Luận văn Thạc sĩ Kinh tế: Tác động của biến động lạm phát đối với phân bổ nguồn cho vay ngân hàng - Bằng chứng thực nghiệm tại các nước trong khối Apec

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

------

TRỊNH TUYẾT HẠNH

TÁC ĐỘNG CỦA BIẾN ĐỘNG LẠM PHÁT

ĐỐI VỚI PHÂN BỔ NGUỒN CHO VAY CỦA NGÂN HÀNG: BẰNG

CHỨNG THỰC NGHIỆM TẠI CÁC QUỐC GIA THUỘC APEC

LUẬN VĂN THẠC SĨ KINH TẾ

TP. Hồ Chí Minh – Năm 2018

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

------

TRỊNH TUYẾT HẠNH

TÁC ĐỘNG CỦA BIẾN ĐỘNG LẠM PHÁT

ĐỐI VỚI PHÂN BỔ NGUỒN CHO VAY CỦA NGÂN HÀNG: BẰNG

CHỨNG THỰC NGHIỆM TẠI CÁC QUỐC GIA THUỘC APEC

Chuyên ngành: Tài chính – Ngân hàng

Mã số: 8340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

TS. LÊ ĐẠT CHÍ

TP. Hồ Chí Minh – Năm 2018

LỜI CAM ĐOAN

Tôi xin cam đoan rằng bài luận văn “Tác động của biến động lạm phát đối

với phân bổ nguồn cho vay ngân hàng - Bằng chứng thực nghiệm tại các nước trong

khối Apec” là bài nghiên cứu của tôi được thực hiện dưới sự hướng dẫn của TS. Lê

Đạt Chí.

Các thông tin, dữ liệu được sử dụng trong bài nghiên cứu là trung thực, các

nội dung trích dẫn đều được ghi rõ nguồn gốc.

Tp Hồ Chí Minh, ngày .... tháng ..... năm 2018

Người thực hiện

TRỊNH TUYẾT HẠNH

MỤC LỤC

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC HÌNH VẼ

DANH MỤC CÁC BẢNG BIỂU

TÓM TẮT

CHƯƠNG 1. GIỚI THIỆU CHUNG................................................................... 1

1.1. Lý do chọn đề tài .............................................................................................. 1

1.2. Mục tiêu nghiên cứu ......................................................................................... 2

1.3. Câu hỏi nghiên cứu .......................................................................................... 2

1.4. Phạm vi và đối tượng nghiên cứu .................................................................... 2

1.5. Phương pháp nghiên cứu .................................................................................. 3

1.6. Ý nghĩa thực tiễn của đề tài .............................................................................. 3

1.7. Kết cấu luận văn ............................................................................................... 4

CHƯƠNG 2. TỔNG QUAN VỀ CÁC CƠ SỞ LÝ THUYẾT VÀ CÁC CÔNG

TRÌNH NGHIÊN CỨU TRƯỚC ĐÂY ................................................................... 5

2.1. Cơ sở lý thuyết ................................................................................................. 5

2.1.1. Khái niệm Lạm phát ............................................................................ 5

2.1.2. Sự biến động của lạm phát .................................................................. 5

2.1.2.1. Khái niệm........................................................................................ 5

2.1.2.2. Tác động của biến động lạm phát đối với nền kinh tế .................... 6

2.1.2.3. Phương pháp đo lường biến động của lạm phát ............................. 8

2.2. Các công trình nghiên cứu trước đây ............................................................... 8

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU ...................... 18

3.1. Phương pháp nghiên cứu ................................................................................ 18

3.1.1. Đồ thị mối liên hệ giữa biến động lạm phát và phân bổ nguồn cho

vay ........................................................................................................... 18

3.1.2. Mô hình ước lượng ............................................................................ 20

3.2. Nguồn dữ liệu ................................................................................................. 22

3.3. Phân tích biến ................................................................................................. 23

3.3.1. Độ phân tán tỷ lệ cho vay trên tổng tài sản ....................................... 23

3.3.2. Sự bất ổn về lạm phát ........................................................................ 24

3.3.3. Nhóm biến kiểm soát ......................................................................... 26

CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU .......................................................... 30

4.1. Phân tích số liệu nghiên cứu qua các thống kê mô tả. ................................... 30

4.2. Lựa chọn mô hình ước lượng ......................................................................... 32

4.2.1. Kiểm định phương sai thay đổi bẳng kiểm định White .................... 32

4.2.2. Kiểm định tự tương quan bậc 2 bằng kiểm định Breusch - Godfrey 35

4.2.3. Lựa chọn mô hình ước lượng ............................................................ 36

4.3. Kết quả nghiên cứu ........................................................................................ 38

4.3.1. Mô hình tác động ngẫu nhiên REM .................................................. 40

4.3.3. Ảnh hưởng của sự bất ổn về phân bổ các nguồn cho vay ngân hàng

tại Việt Nam. ................................................................................................ 45

CHƯƠNG 5. KẾT LUẬN ................................................................................... 48

5.1. Tóm tắt các kết quả nghiên cứu ..................................................................... 48

5.2. Một số kiến nghị về chính sách vĩ mô cho các nền kinh tế ............................ 49

5.3. Hạn chế của luận văn và hướng nghiên cứu tiếp theo ................................... 50

TÀI LIỆU THAM KHẢO

PHỤ LỤC: MÔ HÌNH ƯỚC LƯỢNG IV - GMM

1.1 Kiểm định hiện tượng nội sinh

1.2 Khắc phục vấn đề nội sinh

1.3 Mô hình IV - GMM

DANH MỤC CÁC TỪ VIẾT TẮT

Ký hiệu Giải thích

APEC Diễn đàn Hợp tác Kinh tế châu Á - Thái Bình Dương

IV-GMM Instrumental variables - Generalized Method of Moments approach

ARCH AutoRegressive Conditional Heteroskedasticity

GARCH Generalized Auto Regressive Conditional Heteroskedasticity

GNP Tổng sản phẩm quốc dân

OLS Phương pháp bình phương nhỏ nhất

FEM Mô hình tác động cố định

REM Mô hình tác động ngẫu nhiên

NHTW Ngân hàng Trung Ương

DANH MỤC CÁC HÌNH VẼ

Hình 3.1. Phân bổ chéo của tỷ lệ nợ ròng trên tổng tài sản đối với sự không chắc

chắn của lạm phát. ..................................................................................................... 18

DANH MỤC CÁC BẢNG BIỂU

Bảng 3.1. Mô tả thống kê tỷ lệ cho vay trên tổng tài sản. ......................................... 23

Bảng 3.2. Độ trễ p, q trong mô hình ARCH (p)/ GARCH (p,q) khi ước lượng độ

biến động lạm phát. ................................................................................................... 25

Bảng 3.3: Mô tả biến, định nghĩa và nguồn dữ liệu .................................................. 29

Bảng 4.1. Thống kê mô tả dữ liệu ............................................................................. 30

Bảng 4.2. Kết quả kiểm định White .......................................................................... 32

Bảng 4.3. Kết quả kiểm định BG .............................................................................. 35

Bảng 4.4. Kết quả kiểm định Hausman Test ............................................................. 37

Bảng 4.5. Ma trận hệ số tương quan ......................................................................... 39

Bảng 4.6. Ảnh hưởng của biến động lạm phát đến phân bổ chéo tỷ lệ cho vay/tổng

tài sản......................................................................................................................... 41

Bảng 4.7. Kết quả phân tán tỷ lệ nợ ròng trên tổng tài sản của nhóm các nước châu

Á và ngoài châu Á. .................................................................................................... 44

Bảng 4.8. Ảnh hưởng của biến động lạm phát đến phân bổ chéo tỷ lệ cho vay/tổng

tài sản......................................................................................................................... 47

PHỤ LỤC: MÔ HÌNH ƯỚC LƯỢNG IV - GMM

Bảng 1: Tính nội sinh của biến biến động lạm phát (h)

Bảng 2: Tính nội sinh của biến lạm phát (Inflation)

Bảng 3. Mô hình ước lượng 1

Bảng 4. Mô hình ước lượng 2

Bảng 5. Mô hình ước lượng 3

Bảng 6. Mô hình ước lượng 4

TÓM TẮT

Bài nghiên cứu xem xét những tác động của bất ổn kinh tế nói chung và lạm

phát nói riêng trong việc phân bổ các nguồn cho vay ngân hàng. Báo cáo cho rằng

sự biến động mạnh sẽ làm cho các nhà quản lý ngân hàng hành động bảo thủ hơn

trong việc phát hành các khoản cho vay mới và mở rộng khoản vay cũ. Ngược lại,

khi mức độ bất ổn trong biên độ thấp, các nhà quản lý ngân hàng có thể dễ dàng cho

vay nhiều hơn.

Bài nghiên cứu sử dụng mô hình hồi quy dữ liệu bảng với số liệu cấp ngân

hàng ở 14 quốc gia thuộc Apec. Mô hình hồi quy được sử dụng là Mô hình tác động

ngẫu nhiên (Random Effects model).

Kết quả cho thấy mối quan hệ tiêu cực giữa biến động của lạm phát và sự

phân bố tỷ lệ cho vay/tổng tài sản ở các quốc gia trên. Đó là (i) trong các thời kỳ

biến động cao, sự phân tán tỷ lệ giữa các nguồn cho vay đối với tài sản nên thu hẹp;

và (ii) trong giai đoạn yên bình, sự phân tán tỷ lệ cho vay đối với tài sản nên được

mở rộng. Sự liên kết này cho thấy các nhà quản lý ngân hàng sẽ hành xử giống nhau

trong thời kỳ biến động lạm phát cao và họ sẽ có trọn quyền để hành xử một cách

linh hoạt hơn khi biến động của lạm phát thấp.

Các kết quả thu được là tương tự khi xem xét riêng lẻ nhóm các quốc gia

thuộc Châu Á, nhóm các quốc gia ngoài Châu Á thuộc nhóm nước Apec cũng như

tại Việt Nam.

CHƯƠNG 1. GIỚI THIỆU CHUNG

1.1. Lý do chọn đề tài

Ngân hàng là một định chế tài chính trung gian, với chức năng huy động vốn

nhàn rỗi trong xã hội và dùng tiền huy động được cho các cá nhân và tổ chức vay

lại. Đối với các nền kinh tế thị trường, ngân hàng đóng một vai trò rất quan trọng, vì

nó đảm nhận vai trò giữ cho nền kinh tế được lưu thông, thúc đẩy hoạt động của nền

kinh tế thị trường.

Là một tổ chức kinh tế hoạt động vì mục tiêu kinh doanh, ngân hàng thương

mại, luôn lấy lợi nhuận làm thước đo hoạt động của mình. Do đó, các yếu tố làm

ảnh hưởng đến hiệu quả hoạt động luôn được xem xét cẩn thận khi đưa ra các hành

xử, đặc biệt khi các ngân hàng thực hiện phân bổ nguồn cho vay đến người vay.

Xem xét những bất lợi của sự không chắc chắn về kinh tế vĩ mô đối với việc

phân bổ vốn vay của ngân hàng. Các ngân hàng phải thu thập thông tin tốn phí về

người vay trước khi mở rộng nguồn cho vay đối với các khách hàng mới hoặc

khách hàng hiện tại, sự bất ổn về điều kiện kinh tế (và khả năng vỡ nợ) sẽ có những

ảnh hưởng rõ ràng về chiến lược cho vay của các ngân hàng theo sự dịch chuyển

của nền kinh tế vĩ mô, các tác động do hành động của các nhà hoạch định chính

sách tiền tệ gây ra.

Hay, trong các nền kinh tế định hướng thị trường, hệ thống giá cả là cơ chế

chủ yếu thông qua đó các nguồn lực được phân phối. Miễn là các công ty và người

cho vay có thể dự báo chính xác các mức giá tương đối của các cá thể, thì các

nguồn vốn sẽ tiếp tục chảy về các dự án có tỷ suất lợi nhuận cao nhất. Tuy nhiên,

dưới sự bất ổn, sự phân bổ tối ưu các nguồn vốn sẽ khó đạt được.

Bài báo cáo nghiên cứu sự phân bổ hiệu quả các nguồn cho vay của các ngân

hàng dưới sự biến động của lạm phát ở các quốc gia thuộc APEC nhằm xem xét

hành vi của các Ngân hàng tại các quốc gia khi chịu tác động của biến động lạm

phát.

1.2. Mục tiêu nghiên cứu

Xuất phát từ ý tưởng nghiên cứu trên, bài viết tập trung vào hai mục tiêu sau

đây:

i. Tìm hiểu mối tương quan giữa biến động lạm phát đối với sự phân bổ

nguồn cho vay của ngân hàng ở các quốc gia thuộc Apec, so sánh tác

động khi xét riêng hai nhóm nước châu Á và ngoài châu Á, khi xem xét

riêng tai Việt Nam và mối tương quan này khi đặt chung với các biến

động kinh tế vĩ mô khác.

ii. Xem xét liệu những ảnh hưởng của bất ổn đối với phân bổ nguồn cho

vay của các ngân hàng ở các quốc gia có thay đổi sau cuộc khủng

hoảng tài chính năm 2007-2008.

1.3. Câu hỏi nghiên cứu

Để giải quyết bốn mục tiêu nghiên cứu đặt ra, bài viết sẽ lần lượt trả lời các

câu hỏi cụ thể sau:

i. Biến động của lạm phát có ảnh hưởng đến sự phân bổ nguồn cho vay

của các ngân hàng ở các quốc gia thuộc Apec hay không?

ii. Sự tác động của bất ổn lạm phát đến việc phân bổ nguồn cho vay giữa

các nước châu Á và các nước ngoài Châu Á thuộc APEC là giống nhau

hay khác nhau?

iii. Bất ổn lạm phát có tác động như thế nào đối với sự phân bổ nguồn cho

vay của các ngân hàng tại Việt Nam?

iv. Liệu những ảnh hưởng bất ổn về phân bổ nguồn cho vay của các ngân

hàng có thay đổi sau cuộc khủng hoảng tài chính năm 2007 -2008 hay

không?

1.4. Phạm vi và đối tượng nghiên cứu

Bài báo cáo tập trung đi vào nghiên cứu mối quan hệ giữa biến động lạm

phát và hiệu quả phân bổ nguồn cho vay của các ngân hàng tại các ngân hàng thuộc

các quốc gia trong APEC.

Nghiên cứu tập trung vào các ngân hàng thuộc các nước Apec. Mẫu được

thu thập trong khoảng thời gian từ 1988 đến 2016 và bao gồm dữ liệu cấp ngân

hàng từ 14 nước thuộc Apec bao gồm Úc, Canada, Brunei, Indonesia, Nhật Bản,

Malaysia, Philippines, Singapore, Thái Lan, Trung Quốc, Hồng Kông, Mexico,

Nga, Việt Nam với tổng cộng 1.070 ngân hàng ở tất cả các nước. Cách tiếp cận

xuyên quốc gia mà tôi theo dõi cho phép tôi nắm bắt được đủ số lượng các sự bùng

nổ lạm phát trong khoảng thời gian của dữ liệu.

1.5. Phương pháp nghiên cứu

Để kiểm định tác động của biến động lạm phát lên hiệu quả phân bổ nguồn

cho vay của các ngân hàng, bài viết kế thừa các lý thuyết nền tảng đã được đưa ra

trong các công trình nghiên cứu trước đây, đặc biệt bài viết dựa trên mô hình và lý

thuyết từ công trình nghiên cứu của Mustafa Caglayan, Bing Xu (2016). Bài viết sử

dụng mô hình hồi quy dữ liệu bảng với biến số theo cấp độ quốc gia tại 14 nước

thuộc Apec. Do tồn tại hiện tượng tự tương quan trong mô hình, tác giả loại bỏ việc

sử dụng mô hình Pool OLS và xem xét sử dụng hai mô hình là Random Effects và

Fixed Effects. Dùng kiểm định Hausman test (1978) để lựa chọn phương pháp ước

lượng phù hợp giữa hai phương pháp trên, và mô hình hồi quy được sử dụng là Mô

hình tác động ngẫu nhiên (Random Effects model).

Trong ước lượng mô hình, ước lượng Robust standard errors được sử dụng

để khắc phục hiện tượng phương sai thay đổi và tự tương quan nhằm giúp mô hình

có ý nghĩa hơn.

Để khắc phục các vấn đề thiếu biến số, một số biến kiểm soát được đưa vào

mô hình: mức độ lạm phát (Inflation), tốc độ tăng trưởng GDP (∆GDP), ảnh hưởng

về khủng hoảng tài chính (dumFC), biến động của thị trường chứng khoán

(VolStock), biến động giá dầu (VolOil), mối quan hệ rủi ro ngân hàng (BankRisks) và

lợi nhuận ngân hàng (BankReturns) , và biến giả năm (i.year).

1.6. Ý nghĩa thực tiễn của đề tài

Tác động của biến động lạm phát đối với phân bổ nguồn cho vay của các

Ngân hàng là một vấn đề xuất hiện từ lâu nhưng vẫn chưa được nghiên cứu nhiều

tại các quốc gia, đặc biệt là các nước đang phát triển như Việt Nam.

Cách tiếp cận được thông qua trong nghiên cứu này giải thích các vấn đề

thực nghiệm bằng cách phân tích ảnh hưởng của biến động lạm phát đến sự phân bổ

nguồn lực hiệu quả của các ngân hàng, có tính đến các yếu tố giải thích khác. Đây

là một phát hiện rất quan trọng, vì các ngân hàng thương mại được xem là nguồn

cung cấp tín dụng trung gian quan trọng, là cầu nối giữa người thừa vốn và người có

nhu cầu về vốn, và, việc phân bổ không hiệu quả vốn vay sẽ có tác động lớn đến

người đi vay ngân hàng.

Bên cạnh đó, nắm bắt được mối quan hệ giữa bất ổn lạm phát và sự phân bổ

nguồn cho vay của các ngân hàng giúp các nhà hoạch định chính sách điều chỉnh

chính sách nhằm thực hiện mục tiêu ổn định giá cả, ổn định lạm phát, nhằm đảm

bảo nguồn cho vay được phân bổ tối ưu.

1.7. Kết cấu luận văn

Ngoài phần Mục lục, Danh mục từ viết tắt, Danh mục các hình vẽ, Danh mục

bảng biểu, Tài liệu tham khảo và Phụ lục, Kết cấu bài viết gồm 5 chûông chính:

Chương 1: Giới thiệu chung

Chương 2: Tổng quan về các cơ sở lý thuyết và các kết quả nghiên cứu trước

đây.

Chương 3: Phương pháp nghiên cứu và dữ liệu

Chương 4: Kết quả nghiên cứu

Chương 5: Kết luận

CHƯƠNG 2. TỔNG QUAN VỀ CÁC CƠ SỞ LÝ THUYẾT VÀ CÁC

CÔNG TRÌNH NGHIÊN CỨU TRƯỚC ĐÂY

2.1. Cơ sở lý thuyết

2.1.1. Khái niệm Lạm phát

Lạm phát, ở các mức độ khác nhau và trong các khoảng thời gian khác nhau,

là một hiện tượng toàn cầu, và là vấn đề của mọi nền kinh tế. Trong bối cảnh chung

của nền kinh tế hiện nay, rất khó để tìm ra bất kỳ nước nào trên thế giới mà không

có mối lo ngại về lạm phát.

Lạm phát được đặc trưng bởi chỉ số chung của giá cả và loại chỉ số biểu hiện

lạm phát gọi là chỉ số lạm phát hay chỉ số giá cả chung của toàn bộ hàng hoá cấu

thành tổng sản phẩm quốc dân: nó chính là GNP danh nghĩa/GNP thực tế. Trong

thực tế thường được thay thế bằng một trong hai loại chỉ số giá thông dụng khác:

chỉ số giá tiêu dùng hay chỉ số giá bán buôn (còn gọi là chỉ số giá cả sản xuất).

Hiện tượng lạm phát đã thu hút sự chú ý của các nhà kinh tế. Có rất nhiều

khái niệm về lạm phát:

Theo nhà kinh tế học Paul A. Samuelson: Lạm phát xảy ra khi mức giá

chung thay đổi. Khi mức giá tăng lên được gọi là lạm phát, khi mức giá giảm xuống

được gọi là giảm phát. Vậy, lạm phát là sự tăng lên của mức giá chung của nền kinh

tế theo thời gian.

Theo Milton Friedman và những nhà kinh tế khác thuộc trường phái cổ điển

và tân cổ điển: lạm phát là việc giá cả tăng nhanh và kéo dài, lạm phát luôn luôn và

bao giờ cũng là hiện tượng tiền tệ.

Trường phái của Keynes lại cho rằng “việc tăng nhanh cung tiền tệ sẽ

làm cho mức giá cả tăng kéo dài với tỷ lệ cao, do vậy gây nên lạm phát”.

2.1.2. Sự biến động của lạm phát

2.1.2.1. Khái niệm

Lạm phát được định nghĩa ngày hôm nay là sự tăng giá (Seigl, 2009). Trong

khi sự không chắc chắn về lạm phát đề cập đến một tình huống mà trong tương lai

giá cả không thể đoán trước được và công chúng nói chung không biết liệu lạm phát

sẽ tăng hoặc giảm trong tương lai (Asghar và cộng sự, 2011). Thông thường, sự

biến động của lạm phát được coi là đồng nghĩa với sự không chắc chắn về lạm phát.

Sự không chắc chắn về lạm phát là nguyên nhân và hậu quả của lạm phát.

"Sự không chắc chắn về lạm phát được xem là một trong những chi phí lạm phát

chính vì nó không chỉ bóp méo các quyết định về tiết kiệm và đầu tư trong tương lai

do dự đoán được giá trị thực của các khoản thanh toán danh nghĩa trong tương lai

mà còn ảnh hưởng xấu đến sự biến dạng này đối với hiệu quả phân bổ nguồn lực và

mức độ hoạt động thực sự "(Rizvi và Naqvi, 2009). Vì vậy, với việc không có sự

không chắc chắn, những người làm kinh tế có thể lập kế hoạch cho tương lai tốt

hơn.

Vậy sự bất ổn về lạm phát có tác động gì đến nền kinh tế? Bất cứ khi nào

lạm phát kỳ vọng là một nhân tố trong một quyết định về kinh tế, sự không chắc

chắn về lạm phát cũng có thể là một nhân tố (Golob, 1994).

2.1.2.2. Tác động của biến động lạm phát đối với nền kinh tế

Sự thiếu ổn định về giá có ảnh hưởng tiêu cực đến nền kinh tế không chỉ

thông qua sự thay đổi của mức giá mà còn do mức độ không chắc chắn về mức giá

tăng. Tính bất ổn của lạm phát cao theo thời gian làm tăng mức độ không chắc chắn

về mức giá. Trong một thế giới với các hợp đồng danh nghĩa, điều này tạo ra rủi ro

trong dài hạn, làm tăng chi phí cho việc phòng ngừa rủi ro lạm phát và dẫn đến phân

phối lại sự giàu có không lường trước được.

Có một sự đồng thuận rộng rãi rằng lạm phát cao và sự biến động của lạm

phát cao thường có tác động tiêu cực cho sự phát triển. Judson và Orphanides

(1999) tìm thấy một số bằng chứng cho thấy sự biến động của lạm phát, được đo

bằng độ lệch tiêu chuẩn của tỷ lệ lạm phát trong năm, đã góp phần đáng kể vào sự

suy giảm tăng trưởng kinh tế trong một loạt các quốc gia.

Theo Golob (1994), sự không chắc chắn về lạm phát ảnh hưởng đến nền kinh

tế theo hai khía cạnh: hiệu ứng tiền lạm phát và hiệu ứng hậu lạm phát.

Hiệu ứng tiền lạm phát liên quan đến tình hình mà những người làm kinh tế

đưa ra các quyết định kinh tế khác với quyết định của họ trong trường hợp không có

bất ổn lạm phát. Có ba kênh truyền dẫn thông tin qua đó các hiệu ứng tiền lạm phát

truyền vào nền kinh tế. Thứ nhất, sự không chắc chắn về lạm phát làm cho lãi suất

dài hạn trên thị trường tài chính tăng lên. Thứ hai, sự không chắc chắn về lạm phát

làm cho các biến số kinh tế khác (ví dụ như tiền lương tương lai, tiền thuê trong

tương lai, thuế suất) có ý nghĩa quan trọng đối với các quyết định của doanh nghiệp

trở nên không chắc chắn. Cuối cùng, sự không chắc chắn về lạm phát khiến cho các

doanh nghiệp phải bỏ ra nhiều nguồn lực để tránh nguy cơ lạm phát trong tương lai.

Hiệu ứng hậu lạm phát xảy ra khi lạm phát trong thực tế khác với lạm phát

dự kiến. Kết quả là, lạm phát bất ngờ gây ra sự dịch chuyển của cải giữa các bên với

nhau khi họ sử dụng tiền danh nghĩa để thanh toán các khoản thanh toán trong hợp

đồng. Đặc biệt, nếu lạm phát tăng cao hơn mức dự đoán, các khoản thanh toán hợp

đồng sẽ thấp hơn dự kiến về giá trị thực của chúng. Do đó, một bên phải chịu tổn

thất do lạm phát.

Theo Friedman (1977), sự biến động của lạm phát khiến nền kinh tế ở trạng

thái kém hiệu quả hơn do tăng sự xích mích trên thị trường. Nó tạo ra khoảng cách

giữa mức giá tương đối phổ biến trong nền kinh tế và mức giá đã được xác định bởi

lực lượng thị trường trong trường hợp không có sự biến động của lạm phát. Hơn

nữa, nếu mức giá cố định được đặt ra, biến động lạm phát có thể tạo ra sự không

chắc chắn lớn hơn về giá tương đối của hàng hóa cuối cùng và chi phí đầu vào.

Điều này dẫn đến phân bổ sai các nguồn lực và cuối cùng làm suy yếu sự tăng

trưởng kinh tế.

Ragan (1994) đã lập luận rằng sự biến động của lạm phát sẽ ảnh hưởng tiêu

cực đến các hoạt động thực tế bằng cách tăng chi phí của trung gian tài chính. Biến

động lạm phát có thể làm thay thế lợi nhuận danh nghĩa của tài sản và thúc đẩy việc

điều chỉnh danh mục đầu tư để tối ưu hoá các cá thể. Những điều chỉnh như vậy có

thể làm giảm tăng trưởng kinh tế và hiệu quả phúc lợi. Fisher (2011) cho thấy trong

thời kỳ lạm phát có độ biến động cao, đầu tư vào tài sản cố định giảm. Một điểm

phần trăm gia tăng trong sự không chắc chắn về lạm phát có liên quan đến việc

giảm đầu tư tài sản cố định từ 15% - 37% so với trung bình.

Tóm lại, các bằng chứng cho thấy sự biến động cao của lạm phát gây ra một

rủi ro hệ thống có những hậu quả đáng lo ngại và vấn đề đối với phúc lợi kinh tế.

Tất cả các nghiên cứu này kết luận rằng sự biến động của lạm phát lớn hơn có thể

làm giảm tăng trưởng kinh tế.

2.1.2.3. Phương pháp đo lường biến động của lạm phát

Có nhiều cách để đo lường biến động của lạm phát:

Engle (1982) phát triển mô hình AutoRegressive Conditional

Heteroskedasticity (ARCH) để ước tính độ biến động của lạm phát.

Bất lợi của mô hình ARCH được chỉ ra rộng rãi trong các nghiên cứu thực

nghiệm là nó cho thấy quá trình chậm trễ trong các sai số toàn phương dự báo

(Bollerslev, 1986). Để mô hình hiệu quả hơn, các nhà kinh tế đã phát triển trên cơ

sở mở rộng của ARCH. Bollerslev (1986) giới thiệu mô hình GARCH (generalised

Autoregressive Conditional Hetoskedasticity), đặc biệt là mô hình GARCH (1,1).

Trong mô hình GARCH (1,1), phương sai có điều kiện là một hàm của giá trị quá

khứ của sai số dự báo và độ trễ của nó.

Zakoian (1994) đề xuất mô hình threshold ARCH (TARCH) có thể nắm bắt

được hiệu quả bất đối xứng của các cú sốc tích cực và tiêu cực về biến động.

Nelson (1991) đề xuất mô hình EGARCH thích hợp hơn trong việc điều tra

mối liên hệ bất định giữa lạm phát và lạm phát không cân đối.

Trong nghiên cứu này, sự không chắc chắn về lạm phát sẽ được mô phỏng

chủ yếu bằng mô hình GARCH (1,1) và mô hình ARCH (1).

2.2. Các công trình nghiên cứu trước đây

Beaudry, Caglayan và Schiantarelli (2001) trình bày lý luận lý thuyết và các

bằng chứng thực nghiệm cho thấy sự gia tăng sự không chắc chắn về kinh tế vĩ mô

làm giảm phân tán chéo của tỷ lệ đầu tư của các doanh nghiệp và bóp méo sự phân

bổ các nguồn lực khan hiếm của các công ty. Thực nghiệm đầu tiên dựa trên việc

kiểm tra xem sự không chắc chắn về lạm phát có giải thích được sự thay đổi trong

phân bổ chéo đầu tư hay không. Bài thực nghiệm thứ hai kiểm tra dự đoán của mô

hình rằng có một mối liên hệ tiêu cực giữa phương sai chéo của đầu tư và phương

sai chéo của tỷ lệ lợi nhuận hay không. Họ cung cấp hỗ trợ cho các tuyên bố của họ

bằng cách xem xét dữ liệu bảng các doanh nghiệp sản xuất Anh quốc trong khoảng

thời gian từ năm 1970 đến năm 1990, bao gồm: vốn cổ phần, nguồn vốn, CPI, GDP,

giá dầu. Bài nghiên cứu sử dụng phương pháp hồi quy ảnh hưởng cố định (fixed-

effect regression) để xem xét mối quan hệ giữa sự không chắc chắn của kinh tế vĩ

mô và phân bổ tỷ lệ đầu tư và nguồn lực doanh nghiệp. Thực nghiệm của họ đã tập

trung vào việc giải thích những thay đổi trong việc phân tán tỷ lệ đầu tư ở Vương

quốc Anh trong giai đoạn 1970-1990, trong mô hình, theo thứ tự, lần lượt thêm vào

tỷ lệ phần trăm thay đổi giá dầu hoặc phương sai điều kiện của chúng, tỷ lệ phần

trăm thay đổi trong chi phí sử dụng vốn, tốc độ tăng trưởng GDP và tỷ lệ lạm phát

tổng hợp. Kết quả cho thấy, thứ nhất, phương sai điều kiện của lạm phát có tương

quan nghịch với phương sai chéo của tỷ lệ đầu tư, được tính cho toàn bộ ngành sản

xuất hoặc trong các ngành công nghiệp được xác định hẹp hơn. Các tác động của

mô hình cũng nhận được sự hỗ trợ theo kinh nghiệm từ sự tương quan âm đáng kể

giữa phương sai của tỷ lệ đầu tư và phương sai của log tỷ lệ lợi nhuận từ dữ liệu

bảng. Trong cả hai trường hợp, họ cũng quan tâm để kiểm tra xem liệu các yếu tố,

chẳng hạn như thay đổi giá dầu hay thay đổi trong tăng trưởng GDP thực, có dẫn

đến kết quả như họ mong muốn không. Kết quả của họ cung cấp một số bằng chứng

rõ ràng và trực quan để hỗ trợ quan điểm rằng bất ổn tiền tệ, thông qua tác động của

nó đối với nội dung thông tin về giá, có thể cản trở việc phân bổ đầu tư hiệu quả.

Đặc biệt, mô hình của họ ngụ ý rằng sự bất ổn ở mức cao (thấp) sẽ dẫn đến sự phân

bố tỷ lệ đầu tư cố định hẹp hơn (rộng hơn) do các nhà quản lý doanh nghiệp sử

dụng kiến thức chính xác ít (nhiều) hơn về các cơ hội đầu tư khác nhau.

Baum và cộng sự (2009) đề xuất rằng trong thời gian kinh tế ổn định, nhiều

thông tin là sẵn có đối với các ngân hàng khi đưa ra quyết định đầu tư, và các tỷ lệ

cho vay của các ngân hàng được đa dạng hóa hơn. Mặt khác, khi sự không chắc

chắn về kinh tế vĩ mô tăng lên, các nhà quản lý ngân hàng cư xử đồng nhất hơn

trong phân bố nguồn cho vay. Họ đã phát triển một mô hình kiểm chứng về sự

không chắc chắn về kinh tế vĩ mô ảnh hưởng đến quyết định danh mục đầu tư của

các ngân hàng. Tóm tắt nội dung nghiên cứu của Baum và cộng sự (2009), giả định

rằng các ngân hàng tối đa hóa lợi nhuận bằng cách phân bổ tổng tài sản cho các

nguồn cho vay hoặc chứng khoán. Chứng khoán có lợi nhuận phi rủi ro (rf) và

nguồn cho vay có rủi ro có lãi suất (ri) được xác định bởi lợi nhuận phi rủi ro cộng

với phần bù rủi ro: ri = rf + rpi.

Với và Var (rpi) = + , , lãi suất cho vay rủi ro là: ri = rf +

~ N (0,

trong đó ).

Giả định rằng các nhà quản lý ngân hàng không thể quan sát được phần bù

rủi ro, tuy nhiên, họ có thể quan sát được tín hiệu nhiễu của nó, được thể hiện bởi:

(3)

trong đó là yếu tố nhiễu có phân bố chuẩn N (0, ) và độc lập với .

Giả định rằng mỗi nhà quản lý ngân hàng quan sát được một dấu hiệu khác

nhau, nhưng yếu tố nhiễu là được xác định trong các trường hợp, đại diện cho mức

độ bất ổn của kinh tế vĩ mô. Yếu tố nhiễu của các ngân hàng tùy thuộc vào khả năng

của các ngân hàng để đánh giá tất cả các thông tin có sẵn. Yếu tố nhiễu có thể được

loại bỏ nếu tất cả các ngân hàng sẽ chia sẻ thông tin riêng của của họ, Tuy nhiên,

trên thực tế yếu tố nhiễu vẫn tồn tại. Khi sự bất định của kinh tế vĩ mô tăng, thì

phương sai của cũng tăng làm cho các ước tính về tỷ suất sinh lợi của các khoản

vay không chính xác. Giả thiết về sự độc lập giữa và bây giờ rõ ràng hơn, thực

tế là cú sốc kinh tế vĩ mô tổng thể không tương quan với thành phần của tỷ suất sinh

lợi từ khoản cho vay.

Để xác định tỷ suất sinh lợi kỳ vọng của khoản vay, các nhà quản lý ngân

hàng phải dự đoán giá trị của . Khi không có tín hiệu nhiễu, dự báo của ngân hàng

(không điều kiện) sẽ là giá trị trung bình trong phân phối của nó, bằng không.

Tuy nhiên, các ngân hàng quan sát tín hiệu và có thể dự đoán thêm thông tin

từ nó. Giá trị kỳ vọng của tỷ suất sinh lợi thu được từ các khoản vay dựa trên điều

kiện , E [ ] được giả định là một hằng số ( ) của tín hiệu, trong đó đại diện

cho một hệ số hồi quy tuyến tính của trên :

E [ ] = = ( trong đó (4)

Tỷ suất sinh lợi kỳ vọng có điều kiện của danh mục đầu tư E [ ] của

ngân hàng i là:

E [ ] =

= ( (5)

và phương sai có điều kiện Var[ ] = (6)

Các ngân hàng e ngại rủi ro giả định có mức hữu dụng như sau:

E [ ] = E [ ] - Var[ ] (7)

Hữu dụng gia tăng khi tỷ suất sinh lợi kỳ vọng tăng và sự biến động tỷ suất

sinh lợi giảm ( là hệ số e ngại rủi ro).

Sử dụng phương trình trung bình và phương sai của danh mục đầu tư, tỷ lệ cho

vay trên tài sản tối ưu ( ) đối với ngân hàng i và độ phân tán chéo là:

(8)

Var( =

(9)

Phương sai của tỷ lệ cho vay trên tài sản có mối tương quan âm với mức độ

bất ổn về kinh tế vĩ mô . Thật vậy, lấy đạo hàm của phương sai của đối với :

Điều này có hàm ý rằng phương của tỷ lệ tỷ lệ cho vay trên tài sản thu hẹp do

sự bất định về kinh tế vĩ mô gia tăng.

Phương sai của tăng khi phương sai của thành phần ngẫu nhiên tăng lên:

Dựa trên công thức xây dựng, họ đưa ra giả thiết:

Giả thuyết: Khi sự không chắc chắn về kinh tế vĩ mô tăng lên, các ngân hàng

có khuynh hướng phân bổ tài sản trong danh mục đầu tư của họ một cách đồng nhất

hơn (phương sai của tỷ lệ cho vay trên tổng tài sản chéo giảm);

Từ đó, Baum và cộng sự (2009) đã lập luận rằng sự không chắc chắn về kinh

tế vĩ mô có tác động đến chiến lược cho vay của các ngân hàng thương mại bằng

cách ảnh hưởng đến khả năng các nhà quản lý ngân hàng dự đoán lợi nhuận từ các

cơ hội cho vay.

Sau đó, Quagliariello (2009), Calmès và Théoret (2014) đã kiểm tra vai trò

của sự bất ổn về kinh tế vĩ mô đối với sự phân bổ chéo các nguồn tài chính cụ thể

của ngân hàng. Cả hai nghiên cứu đều đưa ra kết luận tương tự rằng các ngân hàng

có khuynh hướng cư xử đồng nhất hơn trong thời gian bất ổn kinh tế vĩ mô cao cho

một nhóm lớn các ngân hàng ở Ý và nghiên cứu sau đó đã kiểm tra 6 ngân hàng

hàng đầu của Canada và 20 ngân hàng hàng đầu của Mỹ.

Quagliariello (2009) thảo luận về vai trò của sự không chắc chắn kinh tế vĩ

mô trong quyết định của ngân hàng về phân bổ tài sản tối ưu cho một nhóm lớn các

ngân hàng ở Ý. Theo mô hình danh mục đầu tư được đề xuất bởi Baum et al.

(2005), bài viết nhằm mục đích kiểm tra việc các ngân hàng Ý lựa chọn giữa các

khoản vay và các tài sản không có rủi ro khi không chắc chắn về các điều kiện kinh

tế vĩ mô tăng lên. Từ đó, họ đưa ra giả thiết:

Giả thuyết 1: Khi sự không chắc chắn kinh tế vĩ mô tăng lên, các ngân hàng

có xu hướng phân bổ tài sản trong danh mục đầu tư của họ đồng nhất hơn;

Giả thuyết 2: Khi sự không chắc chắn mang tính riêng tư tăng lên, các ngân

hàng có xu hướng hoạt động không đồng nhất hơn.

Các kết quả kinh tế xác nhận rằng sự không chắc chắn kinh tế vĩ mô là một

yếu tố quyết định quan trọng quyết định đầu tư của các ngân hàng. Trong các giai

đoạn gia tăng rối loạn, khả năng ngân hàng dự báo chính xác lợi nhuận trong tương

lai bị cản trở và hành vi chăn thả có xu hướng nổi lên, như được chứng kiến bằng

cách giảm phương sai mặt cắt ngang của các khoản cho vay được giữ trong danh

mục đầu tư.

Calmès và Théoret (2014) đã kiểm tra vai trò của sự bất ổn về kinh tế vĩ mô

đối với sự phân bổ chéo các nguồn tài chính cụ thể của ngân hàng với 6 ngân hàng

hàng đầu của Canada và 20 ngân hàng hàng đầu của Mỹ. Mục tiêu của bài nghiên

cứu của tác giả là xác nhận rằng rủi ro và sự không chắc chắn gia tăng sẽ có tác

động tiêu cực lên sự phân bổ chéo của tải sản trong danh mục của ngân hàng.

Áp dụng phương pháp luận của Beaudry, Caglayan và Schiantarelli (2001),

bài nghiên cứu giới thiệu một mô hình ước lượng mới dựa trên EGARCH để tinh

chỉnh mô hình khung được phát triển bởi Baum và cộng sự (2009) và Quagliariello

(2009), và phân tích mối quan hệ trong bối cảnh ngành hiện tại - tức là, trong bối

cảnh ngân hàng dựa trên thị trường.

Theo Baum và cộng sự (2009), danh mục đầu tư ngân hàng bao gồm hai loại

tài sản: tài sản phi rủi ro (chứng khoản) và tài sản có rủi ro (các khoản cho vay và

các hoạt động thu nhập ngoài lãi). Chính xác hơn, để kiểm tra giả thuyết, bải nghiên

cứu xem xét mô hình dạng tối giản như sau:

c,mυ,t + β3dispi,t + ξt

dispj,t = β0 + β1µmυ,t+ β2σ2

Tong đó dispj,t là được đo lường bằng một phương sai của phân tán chéo của tài

sản rủi ro j tại thời điểm t; µmυ,t là moment thứ nhất của một biến kinh tế vĩ mô đại

c,mυ,t là phương sai điều kiện tương ứng của biến kinh tế vĩ mô

diện cho rủi ro; σ2

(tức là moment thứ hai đo lường bất ổn nền kinh tế); và ξt là sự đổi mới. Ví dụ,

moment đầu tiên của một biến kinh tế vĩ mô có thể là tăng trưởng GDP, và moment

hai là phương sai có điều kiện của tăng trưởng GDP. Cuối cùng, mô hình bao gồm

độ trễ biến phụ thuộc để kiểm soát sự tự tương quan của số dư và tính đến sự chậm

trễ trong việc điều chỉnh giá trị dispj,t quan sát được đến mức mục tiêu của nó.

Mẫu dữ liệu hàng quý của 6 ngân hàng ngân hàng hàng đầu của Canada và

20 ngân hàng hàng đầu của Mỹ Hoa Kỳ trong cùng khoảng thời gian từ 1997–2010.

Kết quả xác nhận rằng các ngân hàng có xu hướng thu hẹp hơn khi có sự không

chắc chắn hơn về mặt kinh tế vĩ mô. Cụ thể, sự phân tán giữa các khoản cho vay và

tài sản và phân tán chéo của thu nhập ngoài lãi thu hẹp trong các giai đoạn tăng

trưởng chậm và đặc biệt trong các cuộc khủng hoảng tài chính, khi khả năng phục

hồi của hệ thống ngân hàng là ở mức thấp nhất. Quan trọng hơn, những phát hiện

chính của nghiên cứu cho thấy sự phân tán chéo của các khoản cho vay đã tăng lên

trong thập kỷ qua, trong khi sự phân tán chéo của thu nhập ngoài lãi dường như dễ

biến động và nhạy cảm hơn với những cú sốc kinh tế vĩ mô.

Một số nhà nghiên cứu khác đã khảo sát vai trò của rủi ro đối với các nguồn

cho vay ngân hàng. Mustafa Caglayan, Bing Xu (2016) nhận thấy rằng những thay

đổi và biến động của niềm tin có ảnh hưởng tiêu cực và có ý nghĩa đến tăng trưởng

tín dụng ngân hàng. Họ xem xét tác động của tâm lý bất ổn quá mức đến sự tăng

trưởng nguồn cho vay các ngân hàng. Dữ liệu được thu thập từ dữ liệu Bakscope

của hàng nghìn ngân hàng ở các nước G7: Canada, Pháp, Đức, Ý, Nhật Bản, Vương

quốc Anh và Hoa Kỳ trong giai đoạn 1999 – 2014.

Đầu tiên, tác giả trình bày mô hình đơn giản nhất, chỉ bao gồm các biến kiểm

soát ngân hàng và kinh tế vĩ mô giải thích sự tăng trưởng cho vay của ngân hàng.

Mô hình cơ bản giả định rằng khả năng và khuynh hướng của ngân hàng để tăng

nguồn cung vay của nó phụ thuộc cả vào các đặc điểm riêng của nó và môi trường

mà nó hoạt động:

∆ln(loansi,t) = α + γXi, t-1 + ϕ MacroControlj, t-1 + vi + yeart + εi,t

Trong đó, biến phụ thuộc ∆ln(loansi,t) thể hiện tốc độ tăng trưởng khoản vay

ngân hàng i tại thời điểm t, X là vectơ các biến giải thích mức độ nắm bắt các đặc

điểm của ngân hàng; MacroControl lả vectơ các biến kiểm soát vĩ mô của quốc gia,

vi là hiệu ứng cố định của ngân hàng, yeart là biến giả năm, εi,t là phần dư.

Tiếp theo, tác giả tăng cường mô hình cơ bản bằng cách đưa thêm các biến

nắm bắt những thay đổi ở mức độ và biến động của tâm lý:

Sentj,t-1

∆ln(loansi,t) = α + γXi, t-1 +λ∆Sentj,t-1+ βσSentj,t-1 + θ σSentj,t-1 x σAsy (δ(σSentj,t-1 x Xi, t-1 ) + ϕ MacroControlj, t-1 + vi + yeart + εi,t

Với ∆Sentj,t-1 và σSentj,t-1 biểu thị vectơ của những thay đổi trong tâm lý và

biến động của tâm lý. Cuối cùng, tác giả xem xét mức tăng trưởng tín dụng thay đổi

như thế nào trong các giai đoạn biến động cực đoan và mức độ biến cụ thể của ngân

hàng truyền tải các hiệu ứng không chắc chắn về cho vay ngân hàng. Mô hình cuối

cùng có dạng sau:

+ θ(

) ∆ln(loansi,t) = α + γXi, t-1 +λ∆Sentj,t-1+ β x

x Xi, t-1 ) + ρ(

+ δ( x x Xi, t-1)+ ϕ MacroControlj, t-1

+ vi + yeart + εi,t

Biến tương tác kiểm tra tác động của biến động quá mức

đối với tăng trưởng tín dụng và biến tương tác x xX chỉ ra tác động

của biến động quá mức truyền vào tăng trưởng tín dụng thông qua ngân hàng cụ thể.

Bằng việc sử dụng mô hình GMM và mô hình hiệu ứng cố định, bài nghiên

cứu cho thấy rằng những thay đổi và biến động của tâm lý có tác động tiêu cực và

đáng kể đến tăng trưởng cho vay của các ngân hàng. Các ngân hàng tiếp tục giảm

mức tăng trưởng cho vay của họ khi tâm lý biến động quá mức.

Mustafa Caglayan, Bing Xu (2016) cũng tập trung chú ý vào những ảnh

hưởng của sự biến động của lạm phát đối với việc phân bổ nguồn cho vay của các

ngân hàng. Với việc sử dụng bộ dữ liệu bảng chứa thông tin từ 15 quốc gia bao gồm

Argentina, Áo, Brazil, Trung Quốc, Đan Mạch, Pháp, Đức, Hồng Kông,

Luxembourg, Mexico, Nga, Thụy Sỹ, Thổ Nhĩ Kỳ, Anh Quốc và Mỹ trong khoảng

thời gian từ năm 1999 đến năm 2013, các dữ liệu thu thập bao gồm: dữ liệu khoản

cho vay ròng, cho vay doanh nghiệp và thương mại, tổng tài sản, lợi nhuận của các

ngân hàng thương mại, CPI, GDP, giá dầu, giá chứng khoán. Tác giả đã đưa ra một

cái nhìn rộng hơn về mối liên hệ giữa sự biến động của lạm phát và vấn đề phân bổ

nguồn lực của các ngân hàng so với các nghiên cứu trước đây, những nghiên cứu

dựa vào dữ liệu từ một quốc gia riêng lẻ.

Để hỗ trợ cho giả thuyết này, bài nghiên cứu của Mustafa Caglayan, Bing Xu

(2016) sử dụng mô hình sau:

Tuy nhiên, đây chỉ là một mô hình đơn giản và phải bao gồm các biến kiểm

soát khác nhau trong mô hình để tránh có lỗi về dạng của mô hình. Mô hình cuối

cùng của các tác giả trên có dạng sau:

Bài nghiên cứu của họ tiến hành phân tích thực nghiệm bằng cách sử dụng cả

mô hình hiệu ứng cố định và ước lượng các biến công cụ dựa trên phương pháp

Generalized Method of Moments approach (IV-GMM), cho phép chống lại vấn đề

nội sinh. Trong bài nghiên cứu, Mustafa Caglayan, Bing Xu (2016) lần lượt thực

hiện kiểm tra tác động dựa trên mẫu đầy, chia tách dữ liệu giữa các nước EU và các

quốc gia không thuộc EU và lần lượt xem xét tác động của biến động lạm phát đối

với phân bổ nguồn cho vay các ngân hàng trong hai trường hợp cũng như xem xét

tác động của biến động lạm phát có ảnh hưởng như thế nào sao cuộc khủng hoảng

tài chính. Kết luận của họ cung cấp bằng chứng cho thấy sự bất ổn có ảnh hưởng

tiêu cực đến sự phân tán tỷ lệ nợ ròng trên tài sản và tỷ lệ cho vay thương mại và tài

sản của doanh nghiệp và doanh nghiệp. Theo đó, (i) trong các thời kỳ biến động

cao, sự phân tán tỷ lệ giữa các nguồn cho vay đối với tài sản nên thu hẹp; và (ii)

trong giai đoạn yên bình, sự phân tán tỷ lệ cho vay đối với tài sản nên được mở

rộng. Sự liên kết này cho thấy các nhà quản lý ngân hàng sẽ hành xử giống nhau

trong thời kỳ biến động lạm phát cao và họ sẽ có trọn quyền để hành xử một cách

linh hoạt hơn khi sự biến động của lạm phát thấp. Ngoài ra, thời kỳ sau khủng

hoảng tài chính, các ngân hàng đã trở nên thận trọng hơn trong quyết định cho vay

của họ.

Nhìn chung các nghiên cứu thực nghiệm trước đây dù sử dụng bảng dữ liệu

với nhiều doanh nghiệp, ngân hàng trong nước hay dữ liệu bảng các ngân hàng từ

nhiều quốc gia để kiểm tra những tác động của sự không chắc chắn, bất ổn, biến

động kinh tế vĩ mô hay cụ thể hơn là lạm phát đều cho thấy kết quả tương tự. Sự

không chắc chắn trong kinh tế vĩ mô làm hệ thống giá không phát huy tác dụng

trong việc phân bổ nguồn lực. Một sự biến động làm bóp méo hiệu quả phân bổ

nguồn lực tối ưu. Cụ thể đối với sự phân bổ khoản cho vay của ngân hàng, khi sự

biến động càng lớn thì độ phân tán của tỷ lệ cho vay trên tài sản càng nhỏ và ngược

lại sự ổn định, biến động thấp giúp các ngân hàng phân bổ nguồn lực một cách hiệu

quả hơn.

Khi môi trường vĩ mô ổn định, ít biến động, các nhà quản lý ngân hàng sẽ có

thể dự đoán lợi nhuận từ mỗi dự án tiềm năng một cách dễ dàng hơn và tài trợ cho

các dự án có tỷ suất sinh lợi kỳ vọng cao hơn. Ngược lại, khi môi trường kinh tế

đang bất ổn, khả năng dự đoán của chính các nhà quản lý ngân hàng sẽ không còn

chính xác nữa, điều này sẽ gây trở ngại, giải thích hành vi cho vay khá bảo thủ ở tất

cả các ngân hàng. Lập luận này hàm ý rằng trong thời gian kinh tế vĩ mô biến động

mạnh, các ngân hàng sẽ hành xử đồng nhất hơn, làm cho tỷ lệ cho vay-tài sản của

các ngân hàng giảm. Trong những khoảng thời gian ổn định hơn, các ngân hàng sẽ

có nhiều cơ hội hành xử theo cách riêng, họ tận dụng được thông tin riêng, dẫn đến

việc mở rộng hệ số phân bổ của các khoản cho vay đối với tài sản của các ngân

hàng. Theo quan điểm này, sự ổn định của môi trường kinh tế vĩ mô sẽ giúp phân

bổ các khoản vay có hiệu quả hơn.

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

3.1. Phương pháp nghiên cứu

3.1.1. Đồ thị mối liên hệ giữa biến động lạm phát và phân bổ nguồn cho vay

Trước khi thảo luận về mô hình thực nghiệm, cần hình dung mối liên hệ giữa

sự biến động của lạm phát và phương sai chéo của cả tỷ lệ tài sản ròng/ tổng tài sản

dựa trên đồ thị mô tả biến thiên của lạm phát và phân tán tỷ lệ cho vay ròng/tổng tài

sản. Đồ thị (a) trong Hình 1 mô tả phân bổ chéo của tỷ lệ cho vay ròng/tổng tài sản

với sự biến động của lạm phát đối với mẫu tập hợp tất cả các quốc gia quan sát. Hai

đồ thị (b), (c) còn lại thể hiện cùng một biến số như đồ thị (a) cho các nước Châu Á

và các nước không thuộc Châu Á thuộc Apec.

Hình 3.1. Phân bổ chéo của tỷ lệ nợ ròng trên tổng tài sản đối với sự không chắc

chắn của lạm phát.

(a) Mẫu đầy đủ

(b) Các nước Châu Á

Nguồn: Mô hình chiết xuất từ Phần mền Eview.

Trong trường hợp mẫu đầy đủ cũng như mẫu các quốc gia châu Á và các

quốc gia ngoài châu Á, tôi thấy rằng có sự tương quan âm giữa sự biến động của

lạm phát và sự phân bố chéo của tỷ lệ cho vay/tài sản của các ngân hàng. Tuy nhiên

các ngân hàng ở quốc gia có thể phải chịu các cú sốc khác nhau với các đặc trưng

riêng của mỗi quốc gia, do đó cần tiến hành nghiên cứu thực nghiệm trước khi đưa

ra kết luận về mối tương quan giữa biến động lạm phát và phân bổ nguồn cho vay

của các ngân hàng ở các nước. Bên cạnh đó, ta phải xem xét tác động của nhiều yếu

tố khác có thể bóp méo quan sát.

3.1.2. Mô hình ước lượng

Giả thuyết và điều tra thực nghiệm và mô hình ước lượng của bài báo cáo

dựa trên nghiên cứu của Mustafa Caglayan, Bing Xu (2016).

Theo quan điểm này, khi sự biến động của lạm phát thấp, cơ chế giá sẽ được

vận hành. Trong những trường hợp như vậy, các nhà quản lý ngân hàng có thể xếp

hạng các dự án liên quan đến nhau và phân bổ quỹ khan hiếm để sử dụng tốt nhất.

Tuy nhiên, nếu sự biến động của lạm phát cao, do tín hiệu nhiễu cao nên không thể

sử dụng hiệu quả cơ chế giá để khai thác thông tin về giá trị của dự án. Do đó, các

ngân hàng trở nên thận trọng trong hoạt động cho vay của họ và có cách hành xử

tương tự. Hành vi này của các nhà quản lý ngân hàng có thể được nắm bắt bằng

cách quan sát mối liên hệ giữa sự phân bố chéo tỷ lệ cho vay/ tài sản và sự biến

động của lạm phát. Do đó, sự gia tăng sự biến động của lạm phát sẽ dẫn đến sự thu

hẹp sự phân bố của tỷ lệ cho vay/tài sản, và ngược lại. Bài nghiên cứu xem xét một

dữ liệu bảng các ngân hàng thương mại tập hợp từ một số các quốc gia thuộc Apec

và sử dụng mô hình sau:

(1)

Trong đó biến phụ thuộc, Dispj,t (Loans/TA), ghi lại sự phân bố tỷ lệ nợ/tổng

tài sản của quốc gia j tại thời điểm t. Biến giải thích, hj,t, là một thước đo sự biến

động của lạm phát của nước j theo thời gian t. Sự biến động của lạm phát được đo

lường bằng phương sai có điều kiện từ mô hình ARCH / GARCH cho sự chênh lệch

log của chỉ số giá tiêu dùng hàng tháng. Để giải quyết vấn đề này, mô hình hồi quy

được đưa thêm vào các hiệu ứng cố định theo thời gian cụ thể vj của quốc gia j.

Thuật ngữ cuối cùng trong mô hình, ϵ j,t biểu thị sai số riêng biệt ứng với quốc gia j

tại thời điểm t.

Tuy nhiên, đây là một mô hình đơn giản và phải đưa vào các biến kiểm soát

khác nhau để tránh có lỗi về dạng của mô hình. Biến kiểm soát là những biến chỉ

đặc điểm nhằm làm giảm bất cứ tác động nào có thể gây nhiễu cho các biến số khác

hoặc cho việc diễn giải kết quả của nghiên cứu. Biến kiểm soát cũng có một ảnh

hûởng tiềm nâng vào biến phụ thuộc nhû biến độc lập, nhûng sự tác

động đó không phải là điều mà ta đang quan tâm. Bên cạnh đó, việc đûa biến

kiểm soát vào mô hình phân tích vì ta không thể bỏ qua sự tác động của nó khi

xem xét các tác động của biến độc lập.

Tương tự như Mustafa Caglayan, Bing Xu (2016), trong mô hình (1), đã đưa

vào một số biến số kiểm soát là các yếu tố biến động khác của môi trường vĩ mô

bao gồm: Tốc độ tăng trưởng GDP (∆GDP), Biến giả để nắm bắt mức độ ảnh hưởng

của cuộc khủng hoảng tài chính gần đây (dumFC), Biến tương tác giữa biến giả

cuộc khủng hoảng tài chính giả, biến biến động lạm phát (dumFC * h) để nắm bắt

nếu hiệu ứng biến động đã thay đổi sau cuộc khủng hoảng tài chính gần đây.và bốn

biến số kiểm soát khác: hai trong số đó là sự biến động của (i) thị trường chứng

khoán (VolStock) và (ii) giá dầu (VolOil) ghi nhận những tác động bất ổn xuất phát từ

thị trường tài chính và hàng hoá (đánh giá sự ổn định của nền kinh tế vĩ mô) và hai

biến còn lại là trung bình của (iii) rủi ro ngân hàng (BankRisks), và (iv) lợi nhuận của

ngân hàng (BankReturns) của từng quốc gia để kiểm soát được sự mong muốn rủi ro –

lợi nhuận trung bình trong ngành ngân hàng và biến giả năm, i.year, kiểm soát

những cú sốc còn lại có thể ảnh hưởng đến mối quan hệ. Như vậy , mô hình sau

cùng có dạng sau:

(2)

Trong phương trình (2), Z biểu thị một vector các biến kiểm soát bao gồm:

Lạm phát, ∆GDP, dumFC, dumFC*h, VolStock, VolOil, BankRisks và BankReturns. Nhìn

chung, việc bao gồm các biến số kiểm soát không nên ảnh hưởng đến dấu hiệu và ý

nghĩa của hệ số ước lượng liên quan đến sự biến động của lạm phát, β1, qua đó tôi

thảo luận về tác động bất lợi của sự biến động của lạm phát đối với các nguồn lực

ngân hàng phân bổ.

Đối với phân tích hồi quy dữ liệu bảng có thể sử dụng 3 mô hình đó là:

(1) Mô hình Pooled OLS: là mô hình không kiểm soát được từng đặc điểm

riêng của từng quốc gia trong nghiên cứu khi bỏ qua bình diện không gian và thời

gian của dữ liệu kết hợp;

(2) Mô hình FEM (Fixed Effects Model): phát triển từ mô hình Pooled OLS

khi có thêm kiểm soát được từng đặc điểm khác nhau giữa các quốc gia, và có sự

tương quan giữa phần dư của mô hình và các biến độc lập;

(3) Mô hình REM (Random Effects model): phát triển từ mô hình Pooled

OLS khi có thêm kiểm soát được từng đặc điểm khác nhau giữa các quốc gia,

nhưng không có sự tương quan giữa phần dư của mô hình và các biến độc lập;

Tuy nhiên, đối với dạng dữ liệu bảng hỗn hợp (panel data) thì OLS không

phải là một lựa chọn hợp lý vì phûông pháp này là phûông pháp ûớc

lûợng đôn giản nhất và trong trûờng hợp này OLS có thể làm cho các hệ số

ûớc lûợng tính được từ mô hình hồi quy tổng thể sẽ bị lệch và khả nâng mức ý

nghĩa thống kê không còn chính xác. Các nghiên cứu thực nghiệm với dữ liệu bảng,

phương pháp ước lượng mô hình các ảnh hưởng cố định FEM và mô hình các ảnh

hưởng ngẫu nhiên REM được sử dụng nhiều nhất. Sau đó, kiểm định Hausman

được sử dụng để lựa chọn phương pháp ước lượng phù hợp giữa hai phương pháp

ước lượng.

Trong ước lượng mô hình, tôi sử dụng ước lượng Robust standard errors để

khắc phục phương sai thay đổi và tự tương quan.

3.2. Nguồn dữ liệu

Dữ liệu cấp ngân hàng được trích xuất từ cơ sở dữ liệu Bankscope do Bureau

van Dijk thu thập. Đây có thể là một trong những cơ sở dữ liệu toàn diện nhất về

các báo cáo tài chính của các ngân hàng. Từ cơ sở dữ liệu này, thu thập một loạt các

yếu tố của ngân hàng bao gồm các nguồn cho vay ròng của ngân hàng (Net loan),

thu nhập ròng (Net income) và tổng tài sản (Total asset).

Mặc dù Bankscope cung cấp thông tin về các ngân hàng trên toàn thế giới,

nhưng do giới hạn về khai thác dữ liệu, bài nghiên cứu sử dụng dữ liệu của các ngân

hàng ở 14 quốc gia thuộc Apec, bao gồm: Úc, Canada, Brunei, Indonesia, Nhật Bản,

Malaysia, Philippines, Singapore, Thái Lan Trung Quốc, Hồng Kông, Mexico, Nga,

Việt Nam. Trong bộ dữ liệu này, bài nghiên cứu sử dụng thông tin cấp ngân hàng

với 1.070 ngân hàng ở tất cả các nước để tạo ra các biến phụ thuộc và kiểm soát. Dữ

liệu cấp ngân hàng được trích xuất hàng năm và kéo dài khoảng thời gian từ 1988

đến 2016.

Các dữ liệu vĩ mô cụ thể của các quốc gia được trích xuất từ cơ sở dữ liệu

WorldBank, IMF, Datastream bao gồm chỉ số giá tiêu dùng, tổng sản phẩm quốc

nội (GDP), giá thị trường chứng khoán cho tất cả 14 quốc gia thuộc Apec và giá dầu

Tây trung bộ Texas. Trừ GDP theo hàng quý, tất cả các yếu tố còn lại đều được

trích xuất hàng tháng. Dữ liệu này kéo dài trong giai đoạn từ 1980 đến 2017.

3.3. Phân tích biến

3.3.1. Độ phân tán tỷ lệ cho vay trên tổng tài sản

Mức độ của sự phân bổ các nguồn cho vay của các ngân hàng ở một quốc gia

được đo bằng độ phân tán tỷ lệ cho vay trên tổng tài sản, Dispj,t(Loans/TA). Cụ thể

là phương sai của tỷ lệ cho vay trên tổng tài sản của tất cả các ngân hàng trong mẫu

thu thập được của nước j tại thời điểm t. Tại một thời điểm, một quốc gia chỉ có một

quan sát. Như thể hiện trong Bảng 3.1, do tính sẵn có của dữ liệu đối với một số

quốc gia, năm đầu tiên sẽ bắt đầu muộn hơn so với các quốc gia khác.

Bảng 3.1. Mô tả thống kê tỷ lệ cho vay trên tổng tài sản.

Nước Thời gian N

Australia 2011 – 2016 44 68,84% 22,66%

Brunei Darussalam 1994 – 2014 5 28,29% 31,87%

Canada 1996 – 2016 47 71,02% 18,76%

Hong Kong 2011 – 2016 38 46,67% 21,00%

Trung Quốc 2011 – 2016 82 42,87% 13,31%

Indonesia 1987 – 2015 153 59,56% 19,70%

Nhật Bản 2009 – 2016 48 44,25% 23,09%

Malaysia 1993 – 2016 139 35,75% 30,64%

Mexico 2011 – 2015 161 54,94% 24,23%

Philippines 1988 – 2015 87 46,81% 17,89%

140 46,98% 23,40% Russian Federation 2012 – 2016

Singapore 1987 – 2015 59 49,31% 24,06%

Thailand 1988 – 2015 33 69,90% 15,13%

Việt Nam 1991 – 2016 34 56,65% 17,86%

Nguồn: Tính toán của tác giả từ dữ liệu thu thập được từ BanksCope

Bảng 3.1 cung cấp các thông tin cơ bản về dữ liệu ngân hàng của tôi cho

từng quốc gia. Cần lưu ý rằng mặc dù có nước đã đóng góp 161 ngân hàng

(Mexico) vào mẫu cuối cùng, có nước khác chỉ đóng góp 5 ngân hàng (Brunei). Tuy

nhiên, sự khác biệt về số lượng ngân hàng ở các quốc gia là không đáng lo ngại khi

các số liệu được sử dụng trong nghiên cứu được tính là trung bình cho tất cả các

ngân hàng tại một quốc gia. Tỷ lệ nợ ròng/tổng tài sản trung bình, μNL, sẽ dao động

từ 28% đến 71% ở tất cả các nước. Tương tự, độ lệch chuẩn trung bình của tỷ lệ nợ

ròng/tài sản, σNL, giữa các quốc gia là khoảng 21,69%. Độ lệch chuẩn trung bình

của tỷ lệ nợ ròng/tài sản thấp nhất trên thị trường ở Trung Quốc (13,31%) và giá trị

cao nhất ở Brunei (31,87%).

3.3.2. Sự bất ổn về lạm phát

Để ước lượng mô hình cần phải đánh giá mức độ lan truyền trong cơ chế giá

của từng quốc gia, hay độ nhiễu trong các tín hiệu giá, biểu thị là ht (độ bất ổn của

lạm phát) trong phương trình (1) và (2). Để đạt được điều đó, tôi sử dụng mô hình

ARCH / GARCH để ghi nhận sự chênh lệch log của loạt chỉ số giá tiêu dùng hàng

tháng. Chỉ số giá tiêu dùng được thu thập từ IMF theo tháng.

Trước khi ước lượng mô hình, các hiệu ứng ARCH được kiểm tra và xác

nhận bằng phép thử Lagrange Multiplier (LM). Ngoài ra, như thể hiện trong Bảng

3.2, do tính sẵn có của dữ liệu đối với một số quốc gia, năm đầu tiên bắt đầu muộn

hơn so với các quốc gia khác.

Bảng 3.2. Độ trễ p, q trong mô hình ARCH (p)/ GARCH (p,q) khi ước lượng độ

biến động lạm phát.

No. Country Thời gian ARCH(p) GARCH(q)

Australia 1988 – 2016 1 1 1

Brunei Darussalam 2000 – 2016 2 1

3 Canada 1986 – 2016 2 1

4 Hong Kong 1986 – 2016 1

5 Trung Quốc 1986 – 2016 1 1

6 Indonesia 1986 – 2016 2 1

7 Nhật Bản 1986 – 2016 1

8 Malaysia 1986 – 2016 1

9 Mexico 1986 – 2016 2 1

10 Philippines 1986 – 2016 2

11 Russian Federation 1992 – 2016 2

12 Singapore 1986 – 2016 1 1

13 Thailand 1988 – 2016 2 1

14 Việt Nam 1995 – 2016 2 1

Nguồn: Tính toán của tác giả

Mô hình GARCH (p, q) có dạng sau:

và μt

Trong đó πt biểu thị lạm phát, i.month là các hiệu ứng tháng, ∈t = μt

là một phương trình nhiễu trắng biến đơn vị, trung bình không.

Như được mô tả trong Bảng 3.2, ta thấy rằng đối với hầu hết các quốc gia,

một mô hình ARCH đơn giản (1) hoặc ARCH (2) là đủ để làm cho phần dư không

có hiệu lực với ARCH bậc cao hơn. Đối với những quốc gia khác, sử dụng mô hình

GARCH (p, q) bậc thấp thay vì mô hình ARCH bậc cao hơn.

Để đảm bảo rằng mô hình được lựa chọn được xác định rõ ràng, sự bất ổn

của lạm phát ht được tính bằng bình trong năm của phương sai có điều kiện của

chênh lệch log của loạt chỉ số giá tiêu dùng hàng tháng đã được tính toán từ mô

hình ARCH / GARCH để phù hợp với tần suất của dữ liệu cấp ngân hàng. Như vậy,

sau khi hồi quy chuỗi CPI 12 tháng trong năm của một nước bằng mô hình

ARCH/GARCH, ta thu được chuỗi phương sai có điều kiện. Sau đó lấy trung bình

chuổi phương sai 12 tháng này ta thu được một quan sát, đó chính là sự bất ổn của

lạm phát ht, hay độ nhiễu trong các tín hiệu giá. Ở đây, phương sai có điều kiện cao

hơn hàm ý độ nhiễu trong cơ chế giá cao hơn, nghĩa là nội dung thông tin về giá đã

giảm. Trong những trường hợp như vậy, người ra quyết định sẽ không thể dự đoán

tính khả thi của các dự án và do đó sẽ hành xử một cách thận trọng hơn.

3.3.3. Nhóm biến kiểm soát

Lạm phát: được thu thập thừ WorldBank, lạm phát cũng được kỳ vọng tác

động ngược chiều lên sự phân tán tỷ lệ cho vay trên tổng tài sản.

Tốc độ tăng trưởng GDP (∆GDP): được thu thập và tính toán từ dữ liệu

WorldBank. Tác động của tăng trưởng GDP (∆GDP) đối với sự phân bố tỷ lệ cho

vay/tài sản là không rõ ràng. Chẳng hạn như trong một nền kinh tế mở rộng nếu tín

dụng mới tăng đều đặn trên tất cả các ngân hàng, thì sự phân bố tỷ lệ cho vay / tài

sản không nên thay đổi. Tuy nhiên, nếu tín dụng mới được mở rộng bởi các ngân

hàng nhất định hơn các ngân hàng khác thì sự phân bố sẽ có tác động tích cực do

tốc độ tăng trưởng GDP thay đổi theo thời gian.

Biến giả dumFC nhận giá trị là 1 nếu năm t lớn hơn năm 2008. Việc đưa biến

giả này vào mô hình với mục đích kiểm tra xem liệu sự phân bố của tỷ lệ cho vay/

tài sản có thay đổi hay không sau cuộc khủng hoảng tài chính. Mặc dù không có

quan điểm mạnh mẽ, nhưng tôi có thể kỳ vọng một dấu hiệu tích cực đối với biến

giả vì các khoản tiền đáng kể đã được bơm vào thị trường tài chính sau cuộc khủng

hoảng. Ngược lại, cũng có thể tranh luận về một hệ số ước lượng âm, vì các ngân

hàng hạn chế cung cấp các nguồn cho vay trong giai đoạn khủng hoảng mặc dù các

nỗ lực của Ngân hàng trung ương và các chính phủ.

Biến tương tác giữa biến giả khủng hoảng tài chính và độ biến động lạm phát

(dumFC * h): được tính toán bằng tích số giữa biến giả DumFc và biến biến động

lạm phát (h), cho phép tôi kiểm tra tác động liên quan đến sự bất ổn về lạm phát có

thay đổi sau cuộc khủng hoảng tài chính không. Hệ số âm (dương) cho thấy rằng

sau cuộc khủng hoảng tài chính, tác động tiêu cực của sự biến động về phân bổ

nguồn lực ngân hàng đã tăng lên (suy yếu).

Biến động thị trường chứng khoán (VolStock): được đo lường bằng phương sai

trung bình năm của chỉ số giá chứng khoán thị trường hàng tháng của các quốc gia

bằng cách áp dụng phương pháp ARCH/GARCH như đối với biến biến động lạm

phát. Dữ liệu nghiên cứu được lấy từ Datastream cho các chỉ số chứng khoán đại

diện cho thị trường tại mỗi quốc gia theo tháng. Sự biến động của thị trường chứng

khoán (VolStock) được kỳ vọng sẽ có tác động tích cực đến sự phân bố các nguồn

cho vay của ngân hàng, nhưng tác động này cũng có thể là tiêu cực. Ví dụ, nếu các

ngân hàng mở rộng tín dụng cho các công ty có cơ hội đầu tư chất lượng cao, mặc

dù các công ty này không thể huy động vốn tài chính trong giai đoạn biến động của

thị trường chứng khoán, sự phân bố tỷ lệ cho vay / tài sản của các ngân hàng sẽ mở

rộng. Tuy nhiên, nếu sự biến động của thị trường chứng khoán là tín hiệu cho thấy

tình trạng bất ổn toàn cầu trên thị trường tài chính thì sự phân bố của các nguồn cho

vay sẽ thu hẹp, do các ngân hàng có xu hướng hành xử thận trọng trong việc mở

rộng các nguồn cho vay trong giai đoạn hỗn loạn.

Biến biến động giá dầu (VolOil): được đo lường bằng phương sai trung bình

năm của giá dầu bằng cách áp dụng phương pháp ARCH/GARCH như đối với biến

biến động lạm phát và biến động giá chứng khoán. Biến động giá dầu (VolOil) được

đo dựa trên giá dầu West Taxas Intermediate được lấy từ IMF. Ảnh hưởng của biến

động giá dầu (VolOil) đối với biến phụ thuộc dự kiến sẽ âm, do sự gia tăng biến

động giá dầu hàm ý sự gia tăng bất ổn trong môi trường kinh tế vĩ mô dẫn đến hành

vi cho vay ngân hàng thận trọng hơn.

Biến lợi nhuận trung bình Ngân hàng (BankReturns) được đo bằng lợi nhuận

trung bình năm của Ngân hàng. Biến Rủi ro trung bình ngân hàng (BankRisk) được

tính bằng phương sai trung bình năm của Lợi nhuận ngân hàng. Rủi ro ngân hàng

trung bình sẽ có tác động tiêu cực, và lợi nhuận của ngân hàng trung bình sẽ có tác

động tích cực đến sự phân bố tỷ lệ cho vay/tài sản.

Bảng 3.3 trình bày tóm tắt mô tả biến, định nghĩa của các biến đûợc sử

dụng trong phân tích thực nghiệm kèm theo kỳ vọng dấu của các biến độc lập

tác động lên độ phân tán tỷ lệ cho vay trên tổng tài sản của các ngân hàng.

Bảng 3.1: Mô tả biến, định nghĩa và nguồn dữ liệu

Nhóm Tên biến Định nghĩa/Phương pháp đo lường Nguồn dữ liệu Kỳ vọng dấu

Biến phụ thuộc

Phương sai của tỷ lệ cho vay trên tổng tài sản của các ngân hàng trong cùng một nước. Bankscope và Datastream

IMF -

Biến động lạm phát được đo bằng phương sai có điều kiện từ ước lượng ARCH/GARCH của chỉ số giá tiêu dùng hàng tháng Lạm phát Inflation -

Tốc độ tăng trưởng GDP +/- GDP

Biến độc lập

Worldbank Indicators Worldbank Indicators dumFC dumFC*h +/- +/- Bằng 1 nếu năm t lớn hơn năm 2008 Biến tương tác của dumFC và

Datastream +/- VolStock

sai từ ước

IMF - VolOil

Biến động thị trường chứng khoán được đo bằng lượng có điều kiện phương ARCH/GARCH của chỉ số thị trường chứng khoán Biến động giá dầu được đo bằng phương sai có điều kiện từ ước lượng ARCH/GARCH của giá dầu WTI BankRisks BankReturns

CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU

4.1. Phân tích số liệu nghiên cứu qua các thống kê mô tả.

Bảng 4.1. Thống kê mô tả dữ liệu

Dữ liệu nghiên cứu của các biến được thu thập từ 1.070 Ngân hàng thuộc 14

quốc gia thuộc Apec: Úc, Canada, Brunei, Indonesia, Nhật Bản, Malaysia,

Philippines, Singapore, Thái Lan, Trung Quốc, Hồng Kông, Mexico, Nga, Việt

Nam trong giai đoạn 1988 - 2016 có những thông số thống kê sau đây:

Variable Obs Mean Std. Dev. Min Max

206 0.2028842 0.0737352 0.0169423 0.440564

206 0.0129827 0.0257014 0.0013787 0.1741295 h

206 4.154837 5.378827 -1.710337 58.38709 Inflation

206 5.482415 8.306783 -22.68477 104.4192 GDP

206 0.4514563 0.4988502 0 1 dumFC

206 0.0036196 0.0102582 0 0.0861832 dumFC*h

182 2624.255 1,9378.61 14.85361 22,7287.8 VolStock

206 43.08804 51.96812 1.972309 257.0934 VolOil

204 0.0272091 0.0378545 0.0000242 0.3011762 BankRisk

206 0.0084808 0.0181507 -0.1852062 0.0559707 BankReturn

Nguồn: Kết quả tính toán từ Phần mềm Eview

Mẫu dữ liệu ban đầu bao gồm dữ liệu theo tháng (trừ biến GDP theo quý)

của biến phụ thuộc, biến độc lập và các biến kiểm soát được thu thập từ 1.070 ngân

hàng thuộc 14 quốc gia thuộc Apec bao gồm: Úc, Canada, Brunei, Indonesia, Nhật

Bản, Malaysia, Philippines, Singapore, Thái Lan, Trung Quốc, Hồng Kông,

Mexico, Nga, Việt Nam. Sau khi tính toán để đưa dữ liệu về năm, phù hợp với tần

suất của dữ liệu cấp ngân hàng, mẫu nghiên cứu trong bài gồm có 206 quan sát. Tại

một thời điểm, một quốc gia, mỗi biến chỉ có một quan sát.

 Biến phụ thuộc: Độ phân tán tỷ lệ cho vay trên tổng tài

sản: có giá trị nhỏ nhất là 0.0169423 tại Russia năm 2013, giá trị lớn nhất là

0.440564 tại Malaysia năm 2013, giá trị trung bình cỡ mẫu là 0.2028842, tương ứng

với độ lệch chuẩn là 0.0737352. Giá trị của độ lệch chuẩn nhỏ hơn so với giá trị

trung bình. Biên độ dao động dữ liệu ổn định qua các năm.

 Biến độc lập: Biến động lạm phát (h) biến động qua các năm, khi đạt giá trị

nhỏ nhất là 0.0013787 tại Australia năm 2014, giá trị lớn nhất là 0.1741295 tại

Philippines năm 1989, giá trị trung bình cỡ mẫu là 0.0129827, tương ứng với độ

lệch chuẩn là 0.0257014. Giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị

trung bình.

 Các biến kiểm soát: Sự tác động của các biến kiểm soát vào biến phụ thuộ

không phải là điều mà ta đang quan tâm, tuy nhiên, biến kiểm soát cũng có một

ảnh hûởng tiềm nâng nhất định vào biến phụ thuộc nhû biến độc lập:

Biến lạm phát (Inflation) được tính bằng chênh lệch chỉ số giá tiêu

dùng CPI năm hiện tại và năm gốc, có giá trị dao động nhỏ nhất là -1.710337 tại

Việt Nam năm 2000, giá trị lớn nhất là 58.38709 tại Indonesia năm 1998, giá trị

trung bình cỡ mẫu là 4.154837, tương ứng với độ lệch chuẩn là 5.378827. Giá trị

của độ lệch chuẩn cao hơn nhiều so với giá trị trung bình. Biên độ dao động dữ liệu

không đồng đều giữa các nước qua các năm.

Biến tốc độ tăng trường GDP (∆GDP) biến động mạnh qua các năm,

tại Brunei năm 2009 tốc độ tăng trưởng là nhỏ nhất và mang giá trị âm -22.68477,

giá trị lớn nhất là 104.41924 tại Russia năm 2014, giá trị trung bình cỡ mẫu là

5.482415, tương ứng với độ lệch chuẩn là 8.306783. Chênh lệch giá trị giữa các

quốc gia là rất lớn, giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị trung bình.

Biến giả dumFC nhận giá trị là 1 khi năm từ 2008 trở về sau, và nhận

giá trị 0 với các năm còn lại. Giá trị trung bình cỡ mẫu là 0.4514563, tương ứng với

độ lệch chuẩn là 0.4988502. Giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị

trung bình.

Biến tương tác (dumFC*h) có giá trị lớn nhất là 0.0861832 và nhận

giá trị là 0 (giá trị nhỏ nhất trong khoảng thời gian trước năm 2008. Giá trị trung

bình cỡ mẫu là 0.0036196, tương ứng với độ lệch chuẩn là 0.0102582. Giá trị của

độ lệch chuẩn cao hơn nhiều so với giá trị trung bình.

Rủi ro Ngân hàng (BankRisk) biến động không đồng đều giữa các quốc

gia trong khoảng thời gian quan sát, đạt giá trị nhỏ nhất là 0.0000242 tại Malaysia

vào năm 2016, giá trị lớn nhất 0.3011762 tại Indonesia năm 1998, giá trị trung bình

cỡ mẫu là 0.0272091, tương ứng với độ lệch chuẩn là 0.0378545. Giá trị của độ lệch

chuẩn cao hơn nhiều so với giá trị trung bình.

Lợi nhuận Ngân hàng (BankReturn) biến động không đồng đều giữa các

nước qua các năm, đạt giá trị nhỏ nhất tại Indonesia vào năm 1998 với -0.1852062,

giá trị lớn nhất 0.0559707 tại China năm 2016, giá trị trung bình cỡ mẫu là

0.0084808, tương ứng với độ lệch chuẩn là 0.0181507. Giá trị của độ lệch chuẩn

cao hơn nhiều so với giá trị trung bình.

Hai biến biến động giá dầu (VolOil) và biến động giá chứng khoán

(VolStock) được đo bằng phương sai trung bình năm của giá dầu, giá chứng khoán, có

giá trị khá lớn và chênh lệch khá lớn giữa giá trị lớn nhất và giá trị nhỏ nhất. Giá trị

trung bình mẫu đạt lần lượt 43.08804 và 2624.255, giá trị độ lệch chuẩn đạt lần lượt

51.96812 và 1,9378.61. Giá trị của độ lệch chuẩn cao hơn nhiều so với giá trị trung

bình trong cả hai biến.

4.2. Lựa chọn mô hình ước lượng

Đối với phân tích hồi quy dữ liệu bảng có thể sử dụng 3 mô hình đó là:

Pooled OLS, FEM và REM. Để xem xét sự phù hợp của mô hình OLS, ta tiến hành

kiểm định các khuyết tật của mô hình: Phương sai thay đổi, tự tương quan, ...

4.2.1. Kiểm định phương sai thay đổi bẳng kiểm định White

Kiểm định White có các giả thiết:

- H0: Phương sai của sai số ngẫu nhiên của mô hình không đổi.

- H1: Tồn tại hiện tượng phương sai thay đổi

Bảng 4.2. Kết quả kiểm định White

Heteroskedasticity Test: White

F-statistic Obs*R-squared Scaled explained SS

0.999150 Prob. F(50,131) 50.24530 Prob. Chi-Square(50) 57.70253 Prob. Chi-Square(50)

0.4874 0.4637 0.2119 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 04/29/18 Time: 10:04 Sample: 1 206 Included observations: 182 Collinear test regressors dropped from specification

Std. Error t-Statistic

Coefficient

Prob. 0.1305 0.2469 0.0998 0.006748 -0.153095 1.515812 0.004435 0.131635 0.914416 1.521770 -1.163024 1.657684

0.1297 0.6168 -0.019747 0.006852 0.012950 0.013663 -1.524799 0.501523

-1.703935 1.395984 -1.220598 0.2244

6.375402 7.014007 0.908953 0.3650

-5.67E-05 0.000226 -0.251077 0.8021

0.000142 0.001259 0.112905 0.9103

0.636797 1.829884 0.347999 0.7284

1.138161 0.000642 -4.58E-06 -0.000274 -0.001420 0.131836 4.955136 0.000817 4.25E-05 9.90E-05 0.000903 0.126478 0.229693 0.785788 -0.107836 -2.771613 -1.572788 1.042364 0.8187 0.4334 0.9143 0.0064 0.1182 0.2992

8.68E-07 -1.49E-06 8.50E-07 4.27E-06 1.021153 -0.349221 0.3091 0.7275

Variable C VOL_INFLATION VOL_INFLATION^2 VOL_INFLATION*INFL ATION VOL_INFLATION*GDP VOL_INFLATION*DUM FC VOL_INFLATION*DUM FC_H VOL_INFLATION*VOL_ STOCK VOL_INFLATION*VOL_ OIL VOL_INFLATION*BAN K_RISK VOL_INFLATION*BAN K_RETURN INFLATION INFLATION^2 INFLATION*GDP INFLATION*DUMFC INFLATION*DUMFC_H INFLATION*VOL_STOC K INFLATION*VOL_OIL INFLATION*BANK_RIS K -9.99E-05 0.010404 -0.009599 0.9924

0.054522 0.000716 1.93E-05 -0.001084 0.052872 8.63E-08 1.26E-06 -0.004374 0.027248 0.008400 -7.12E-06 -6.62E-05 0.091934 0.027460 0.000573 6.41E-06 0.000678 0.059619 4.14E-07 6.74E-06 0.012420 0.019455 0.007530 3.87E-06 5.79E-05 0.083722 1.985538 1.248763 3.004885 -1.600208 0.886843 0.208096 0.186440 -0.352203 1.400555 1.115522 -1.837843 -1.144205 1.098084 0.0492 0.2140 0.0032 0.1120 0.3768 0.8355 0.8524 0.7253 0.1637 0.2667 0.0684 0.2546 0.2742

0.447498 0.233666 1.915121 0.0577

0.000381 0.004019 2.610491 0.000642 0.004648 5.486830 0.593629 0.864619 0.475774 0.5538 0.3888 0.6350

2.131865 9.45E-09 2.67E-11 -2.61E-08 22.78563 2.90E-06 2.63E-11 2.50E-08 0.093562 0.003255 1.014209 -1.042177 0.9256 0.9974 0.3124 0.2992

-8.61E-05 8.12E-05 -1.060734 0.2908

0.000108 4.54E-05 -1.34E-07 0.000233 0.000149 8.66E-05 2.95E-07 0.000377 0.723433 0.523743 -0.454084 0.618094 0.4707 0.6013 0.6505 0.5376

-0.000330 -0.164698 1.168224 0.002373 0.115457 0.653253 -0.139240 -1.426495 1.788318 0.8895 0.1561 0.0760

-2.178440 -0.199453 -5.129703 2.040930 0.232365 3.021302 -1.067376 -0.858363 -1.697845

INFLATION*BANK_RE TURN GDP GDP^2 GDP*DUMFC GDP*DUMFC_H GDP*VOL_STOCK GDP*VOL_OIL GDP*BANK_RISK GDP*BANK_RETURN DUMFC DUMFC*VOL_STOCK DUMFC*VOL_OIL DUMFC*BANK_RISK DUMFC*BANK_RETUR N DUMFC_H*VOL_STOC K DUMFC_H*VOL_OIL DUMFC_H*BANK_RISK DUMFC_H*BANK_RET URN VOL_STOCK VOL_STOCK^2 VOL_STOCK*VOL_OIL VOL_STOCK*BANK_RI SK VOL_STOCK*BANK_RE TURN VOL_OIL VOL_OIL^2 VOL_OIL*BANK_RISK VOL_OIL*BANK_RETU RN BANK_RISK BANK_RISK^2 BANK_RISK*BANK_RE TURN BANK_RETURN BANK_RETURN^2 0.2878 0.3923 0.0919

R-squared Adjusted R-squared S.E. of regression 0.276073 Mean dependent var -0.000235 S.D. dependent var 0.007039 Akaike info criterion 0.004377 0.007038 -6.842986

-5.945160 -6.479021 1.504311 Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.006491 Schwarz criterion 673.7117 Hannan-Quinn criter. 0.999150 Durbin-Watson stat 0.487424 Nguồn: Kết quả tính toán từ Phần mềm Eview

Theo kết quả của bảng trên, ta thấy p-value = 0.4874 > 0.05, do đó chấp nhận

giả thuyết , tức Phương sai của sai số ngẫu nhiên của mô hình không đổi.

4.2.2. Kiểm định tự tương quan bậc 2 bằng kiểm định Breusch -

Godfrey

Kiểm định Breusch - Godfrey (BG) có các giả thiết:

- H0: Không tồn tại tự tương quan ở bất kỳ bậc nào.

- H1: Tồn tại hiện tượng tự tương quan

Bảng 4.3. Kết quả kiểm định BG

Breusch-Godfrey Serial Correlation LM Test:

F-statistic Obs*R-squared

68.30763 Prob. F(2,170) 81.09178 Prob. Chi-Square(2)

0.0000 0.0000 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 04/29/18 Time: 09:33 Sample: 1 206 Included observations: 182 Presample and interior missing value lagged residuals set to zero.

Std. Error t-Statistic

Variable C VOL_INFLATION INFLATION GDP DUMFC DUMFC_H VOL_STOCK VOL_OIL BANK_RISK BANK_RETURN Coefficient -0.002827 0.221702 0.000367 0.001035 0.002400 -0.172762 -4.01E-08 7.52E-05 -0.219768 -0.552845 0.008808 0.173106 0.000912 0.000483 0.009030 0.420716 2.19E-07 7.77E-05 0.128468 0.268414 -0.320901 1.280733 0.401836 2.144170 0.265807 -0.410638 -0.183135 0.968231 -1.710677 -2.059671 Prob. 0.7487 0.2020 0.6883 0.0334 0.7907 0.6819 0.8549 0.3343 0.0890 0.0410

0.672816 0.046008 0.076054 0.076204 8.846540 0.603746

RESID(-1) RESID(-2) 0.0000 0.5468

2.84E-17 0.066341 -3.051447 -2.840194 -2.965808 1.910763 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.445559 Mean dependent var 0.409684 S.D. dependent var 0.050971 Akaike info criterion 0.441673 Schwarz criterion 289.6817 Hannan-Quinn criter. 12.41957 Durbin-Watson stat 0.000000 Nguồn: Kết quả tính toán từ Phần mềm Eview

Theo kết quả của bảng trên, ta thấy p-value = 0.0000 là rất nhỏ, do đó bác bỏ

giả thuyết , tức tồn tại hiện tượng tự tương quan.

Với hiện tượng tự tương quan, ước lượng OLS vẫn là các ước lượng tuyến

tính, không chệch, tuy nhiên chúng không phải là ước lượng hiệu quả nữa. Nói cách

khác, ước lượng OLS không phải là ước lượng tuyến tính không chệch tốt nhất.

Đồng thời, phương sai ước lượng được của ước lượng OLS thường là chệch, cho

các giá trị thấp hơn giá trị thực, do đó làm cho giá trị t lớn, dẫn đến kết luận sai khi

kiểm định.

4.2.3. Lựa chọn mô hình ước lượng

Do tồn tại hiện tượng tự tương quan trong mô hình, phương pháp OLS không

phải là một lựa chọn hợp lý. Bài nghiên cứu xem xét sử dụng phương pháp ước

lượng mô hình các ảnh hưởng cố định FEM và mô hình các ảnh hưởng ngẫu nhiên

REM. Dùng kiểm định Hausman test (1978) để lựa chọn phương pháp ước lượng

phù hợp giữa hai phương pháp trên (chú ý Hausman test không dùng với robust).

Kiểm định Hausman có các giả thiết:

- H0: Không có sự tương quan giữa sai số với các biến giải thích. (Mô hình

REM là phù hợp).

- H1: Có sự tương quan giữa giữa sai số với các biến giải thích. (Mô hình

FEM là phù hợp).

Bảng 4.4. Kết quả kiểm định Hausman Test

(2) (3) (4) (5) (6) Biến (1)

+ + + + + + h

+ + + + + Inflation

+ + + + GDP

+ + + dumFC

+ + dumFC*h

+ VolStock

+ VolOil

+ BankRisk

+ BankReturn

i.year

Country

0.6732 0.7770 0.4530 0.6319 0.8547 0.9999 Hausman test

(p-value)

Nguồn: Tổng hợp từ kết quả chạy phần mềm Stata

Bảng 4.2 thể hiện kết quả kiểm định Hausman lựa chọn phương pháp ước

lượng phù hợp giữa hai phương pháp ước lượng mô hình các ảnh hưởng cố định

FEM và mô hình các ảnh hưởng ngẫu nhiên REM. Cột 1 mô tả kiểm định Hausman

với mô hình giản đơn nhất với biến giải thích biến động lạm phát là duy nhất. Trong

cột 2, biến lạm phát (Inflation) sẽ đưa thêm vào mô hình, trong cột 3 tôi thêm tốc độ

tăng trưởng GDP ( GDP). Tiếp theo, trong cột 4, tiếp tục đưa vào biến giả giai

đoạn khủng hoảng tài chính (dumFC), cột 5 thêm vào mô hình biến tương tác

(dumFC*h), cột 6 thêm 4 biến kiểm soát còn lại (bao gồm: VolStock, VolOil, BankRisk,

BankReturn) vào mô hình.

Trong tất cả các trường hợp, kiểm định Hausman cho kết quả p-value > 0,05

nên chấp nhận giả thuyết H0, tức không có sự tương quan giữa giữa sai số với các

biến giải thích, không có sự khác biệt giữa FEM và REM, mô hình REM sẽ phù hợp

hơn FEM trong phân tích dữ liệu.

4.2.4. Kết quả nghiên cứu

Phần này trình bày một loạt các kết quả nghiên cứu. Các mô hình thực

nghiệm được ước tính bằng cách sử dụng mô hình tác động ngẫu nhiên (REM). Tất

cả các mô hình cho phép các tác động cố định cụ thể của quốc gia và mô hình rộng

nhất cho phép các hiệu ứng năm. Ước lượng Robust standard errors được sử dụng

trong tất cả các bảng.

Trước tiên, tôi cung cấp kết quả của tôi dựa trên tập dữ liệu đầy đủ. Những

kết quả này cho thấy có một mối liên hệ tiêu cực giữa sự biến động của lạm phát và

phương sai chéo của tỷ lệ cho vay/tổng tài sản.

Sau đó tôi chia dữ liệu thành nhóm các nước châu Á và các nước không

thuộc châu Á và lặp lại phân tích. Cuối cùng, lặp lại phân tích với quốc gia Việt

Nam. Tôi thấy rằng các kết quả dựa trên nhóm các nước thuộc châu Á nói chung và

Việt Nam nói riêng đưa ra một thông điệp tương tự rằng có một mối liên hệ tiêu cực

giữa sự biến động của lạm phát và sự phân tán chéo của cả hai loại tỷ lệ cho vay.

Những phát hiện này cung cấp hỗ trợ cho giả thuyết rằng sự biến động ảnh hưởng

xấu đến việc phân bổ nguồn lực ngân hàng khan hiếm hiệu quả.

Uớc lượng Robust standard errors được sử dụng trong mô hình nhằm khắc phục hiện tượng phương sai thay đổi và tự

tương quan. Trước khi ước lượng, ta tiến hành kiểm tra và phát hiện hiện tượng đa cộng tuyến giữa các biến giải thích. Nếu

tương quan cặp giữa các biến giải thích cao (lớn hơn 0,8) thì có thể xảy ra hiện tượng đa cộng tuyến.

Bảng 4.5. Ma trận hệ số tương quan

Correlation

Inflation

∆GDP

h

dumFC dumFC*h VolStock

VolOil

BankRisk BankReturn

1.000000

h

-0.261347 1.000000

Inflation

-0.134650 0.293821 1.000000

0.074718 -0.065338 -0.087152 1.000000

∆GDP

0.039822 -0.212664 -0.199935 0.025962

1.000000

dumFC

dumFC*h

0.034599 0.260492 -0.046494 0.012525

0.381996 1.000000

0.044586 0.010098 0.306899 -0.072524

-0.107742 -0.041923 1.000000

VolStock

0.070685 -0.137190 0.036610 -0.030871

0.216239 0.097537 -0.074718 1.000000

VolOil

0.123897 0.066298 0.509049 -0.092069

-0.158567 0.065558 0.414493 -0.032810 1.000000

BankRisk

-0.019672 0.071063 -0.488576 0.214583

0.138963 0.052217 -0.324774 0.078977 -0.532256 1.000000

BankReturn

Nguồn: Kết quả tính toán từ Eview

Dựa vào bảng 4.1, ta thấy tương quan cặp giữa các biến giải thích là thấp

(<0,8). Do đó, không xảy ra hiện tượng đa cộng tuyến.

4.2.5. Mô hình tác động ngẫu nhiên REM

Bảng 4.1 trình bày kết quả đầu tiên của tôi dựa trên mô hình tác động ngẫu

nhiên định. Biến phụ thuộc là sự phân tán tỷ lệ nợ ròng trên tổng tài sản (NLTA).

Ước tính được thực hiện cho mẫu đầy đủ.

Cột 1 mô tả mô hình chuẩn (đơn giản) mà tôi cho phép biến động lạm phát

(h) như là biến giải thích duy nhất. Ở đây, tôi thấy rằng sự biến động của lạm phát

(h) có ảnh hưởng tiêu cực và đáng kể (ở mức ý nghĩa 1%) đối với sự phân tán chéo

của tỷ lệ cho vay trên tổng tài sản. Trong cột 2, tôi tăng cường mô hình chính với

biến lạm phát (Inflation) và trong cột 3 tôi thêm biến tốc độ tăng trưởng GDP

(∆GDP). Trong cả hai cột 2 và 3, hệ số ước lượng liên quan đến sự biến động của

lạm phát là tiêu cực và có ý nghĩa (ở mức 1%). Trong cột 3, biến tốc độ tăng trường

GDP có tương quan dương với mức ý nghĩa 1%.

Tiếp theo, tôi tiếp tục thêm ba biến nữa vào mô hình. Trong cột 4, tôi thêm

biến giả giai đoạn khủng hoảng tài chính giả (dumFC) để kiểm tra xem sự phân tán

trung bình của tỷ lệ cho vay trên tổng tài sản có thay đổi sau cuộc khủng hoảng tài

chính hay không. Trong cột 5, tôi thêm sự tương tác giữa sự biến động của lạm phát

và bước giả (dumFC * h) để kiểm tra xem liệu mức độ tác động của sự biến động

lạm phát đối với sự phân tán tỷ lệ cho vay trên tổng tài sản (NLTA) đã thay đổi như

thế nào sau cuộc khủng hoảng tài chính. Trong trường hợp này, hệ số ước lượng

liên quan đến biến tương tác (dumFC) là không đáng kể. Nói cách khác, mô hình

không giải thích cho sự thay đổi tỷ lệ nợ ròng sau thuế từ cuộc khủng hoảng tài

chính. Tôi cũng thấy rằng hệ số ước lượng liên quan đến thời gian tương tác

(dumFC * h) là tích cực và có ý nghĩa ở mức 1% . Do đó, tôi kết luận rằng mối

quan hệ tiêu cực giữa sự biến động và sự phân tán tỷ lệ nợ ròng trên tài sản sau cuộc

khủng hoảng tài chính đã giảm đi.

Bảng 4.6. Ảnh hưởng của biến động lạm phát đến phân bổ chéo tỷ lệ cho vay/tổng tài sản Độ lệch chuẩn được đạ̛t trong dấu ngoạ̛c đơn; Các ký hiẹ̛u *p<0,1, **p<0,05 và *** p< 0,01 (3) h

(1) -0.5859456 *** (0.0682134)

Inflation

(2) -0.5993292 *** (0.0525076 ) 0.0001528 (0.01195)

GDP

-0.5900597*** (0.0489802 ) 0.000356 (0.0012187 ) 0.0007709 *** (0.0002524 )

dumFC

(4) -0.5853737 * (0.0602775 ) 0.0004046 (0.001103 ) 0.0007855* (0.0002291) 0.0029812 (0.0121721 )

dumFC*h

(5) -0.5532984 * (0.0439221 ) 0.0005679 (0.0009308 ) 0.0007514 * (0.0002534 ) -0.0097794 (0.0116593 ) 1.175994*** (0.1985859 )

(6) -0.8348609 * (0.2195106 ) 0.0016286 (0.0017106) 0.0008067 * (0.0005226 ) 0.0293708 (0.0582175 ) 0.7648389 ** (0.3176908)

VolStock

VolOil

BankRisk

BankReturn

Yes

0.201903 ***

i.year Country Cons

Yes 0.2102539*** (0.0009473) 206 0.0273

Yes 0.20673 *** (0.0161013) 206 0.0278

Yes 0.2010701*** (0.0169334 ) 206 0.0447

Yes 0.1989075 *** (0.0187416) 206 0.0460

(0.018392) 206 0.0845

Yes Yes 0.1641629 *** (0.0558565) 206 0.1096

(7) -0.4256396 * (0.1387948 ) -0.0001335 (0.0018198) 0.0010096 * (0.0001994) 0.0016385 (0.0138797 ) 0.9100272 *** (0.2989112) 9.14e-08 * (4.36e-08 ) 0.0000794 (0.0000696) 0.2870038 * (0.0872525) 0.0233725 (0.4245737) Yes 0.1752106 * (0.0212273 ) 182 0.1383

(8) -0.6877242 (0.4397638 ) 0.0019142 ** (0.0019016) 0.0004809* (00002851 ) 0.0975304 (0.0399654 ) 0.5509413 (0.3224939 ) 1.93e-07 (1.24e-07 ) 0.0001815 (0.0003129) 0.474629 (0..2799867 ) 0.3628539 (0.6789392 ) Yes Yes 0.0760616** (0.0385005) 182 0.1766

N R2

Nguồn: Kết quả tính toán từ Phần mềm Stata

Trong cột 6, chúng ta thêm biến giả năm. Trong cột 7, chúng tôi loại bỏ biến

giả năm và tăng cường mô hình với các biến kiểm soát đo lường biến động thị

trường chứng khoán (VolStock), biến động giá dầu (VolOil) và biến lợi nhuận trung bình

của các ngân hàng (BankReturn). Trong cột 8, chúng tôi lại thêm các biến giả năm vào

mô hình.. Nhìn chung, kết quả từ các cột 6-8 cho thấy sự biến động của lạm phát có

tác động tiêu cực lên sự phân bổ các nguồn cho vay. Tôi thấy rằng tác động của

biến lạm phát (Inflation) là tích cực với mức ý nghĩa 5% ở cột 8, biến khủng hoảng

tài chính có tương quan dương ở mức ý nghĩa 5% ở cột 8, biến tương tác cũng có

tương quan dương ở cả ba cột 6, 7 và 8 với mức ý nghĩa 5% và cao hơn. Sự biến

động của thị trường chứng khoán (VolStock) là tích cực với mức ý nghĩa 10% ở cột 7.

Dấu hiệu tích cực liên quan đến biến động của thị trường chứng khoán có thể bắt

đầu bằng việc mở rộng hành vi cho vay của ngân hàng bởi vì các nguồn tài chính

khác, đặc biệt là tài trợ bằng vốn cổ phần trở nên ít được ưa thích hơn do sự bất ổn

gia tăng trong thị trường chứng khoán. Biến rủi ro trung bình (BankRisk) cũng có

tương quan dương có ý nghĩa. Biến biến động giá dầu và lợi nhuận trung bình

ngành ngân hàng không có tác động rõ ràng đối với phân bố nguồn cho vay ngân

hàng ở các quốc gia.

Nhìn chung, kết quả từ các mô hình ước lượng cho thấy biến động lạm phát có

tác động ngược chiều đối với phân bổ nguồn cho vay của ngân hàng. Như vậy, nếu

sự biến động lạm phát cao, hệ thống giá cả vận hành quá mức, các nhà quản lý ngân

hàng sẽ hành động thận trọng trong việc phát hành các nguồn cho vay mới vì họ

không thể sử dụng hiệu quả cơ chế giá để khai thác thông tin về giá trị của dự án, do

đó không thể đánh giá chính xác lợi nhuận kỳ vọng từ việc cho vay.

Bên cạnh đó, kết quả từ các mô hình ước lượng cũng cho thấy sau cuộc khùng

hoảng tài chính, tác động của biến động lạm phát đối với phân bổ nguồn cho vay

Ngân hàng đã giảm đi, vì các khoản tiền đáng kể đã được bơm vào thị trường tài

chính sau cuộc khủng hoảng.

4.2.6. Ảnh hưởng của sự bất ổn về phân bổ các nguồn cho vay ngân hàng:

Các nước châu Á và các nước ngoài châu Á thuộc Apec

Trong phần này, tôi chia dữ liệu của tôi thành nhóm các nước châu Á

(Brunei, Indonesia, Nhật Bản, Malaysia, Philippines, Singapore, Thái Lan Trung

Quốc, Hồng Kông và Việt Nam) và nhóm nước ngoài châu Á (Úc, Canada, Mexico

và Nga), và phân tích từng nhóm một cách riêng biệt.

Khi xem xét các hệ số ước lượng liên quan đến sự biến động của lạm phát, tôi

thấy rằng có một hệ số âm có ý nghĩa cho cả nhóm các nước Châu Á (ngoại trừ cột

8 khi các biến giả năm được đưa vào mô hình) và nhóm các nước ngoài Châu Á.

Nhìn chung, các kết quả trong Bảng 4.7 cho thấy sự gia tăng về sự biến động của

lạm phát sẽ làm giảm sự phân tán tỉ lệ nợ ròng/ tổng tài sản ở các nước Châu Á và

các nước không thuộc Châu Á. Nhìn vào bảng 4.7 ta cũng thấy rằng tác động của

biến động lạm phát đối với phân bổ nguồn cho vay ở các quốc gia ngoài châu Á là

rất lớn so với nhóm các nước Châu Á. Cụ thể, một sự gia tăng biến động lạm phát ở

các nước ngoài Châu Á làm giảm đáng kể sự phân bổ nguồn cho vay của các Ngân

hàng. Sự khác biệt giữa hai nhóm này có thể là do vai trò của các ngân hàng ở các

nước không thuộc Châu Á lớn hơn so với các quốc gia Châu Á.

Khi xem xét vai trò của các biến số kiểm soát, tôi thấy rằng biến lạm phát là

không có ý nghĩa cho cả hai nhóm quốc gia. Tốc độ tăng trưởng GDP có tác động

tích cực đến sự phân tán tỷ lệ nợ ròng trên tài sản ở nhóm các nước ngoài châu Á và

hiệu quả này có ý nghĩa trong cột 3. Điều này cũng có ý nghĩa vì sự tăng trưởng sẽ

kích thích một số của các ngân hàng để cho vay một tập người đi vay rộng lớn hơn.

Tôi cũng nhận thấy rằng biến động về thị trường chứng khoán và biến động giá dầu

và biến kiểm soát về rủi ro của ngân hàng có tương quan dương, trong khi lợi nhuận

ngân hàng có tương quan âm với sự phân tán tỷ lệ vay vốn/tài sản.

Bước giả về khủng hoảng tài chính (dumFC), thể hiện sự thay đổi trong phân

tán trung bình các nguồn cho vay ngân hàng trong thời kỳ khủng hoảng sau, có một

hệ số tiêu cực và không đáng kể ở cả hai nhóm nước. Ảnh hưởng tiêu cực đáng kể

này cho thấy các ngân hàng đã trở nên nghiêm ngặt hơn trong các quyết định cho

vay sau cuộc khủng hoảng tài chính.

Asia

NonAsia

Inflation

GDP

dumFC

dumFC*h

-0.5362119 *** (0.0374855) 0.0003149 (0.0009461) 0.000638 (0.0004423) -0.203091** (0.0080857 ) 1.366531 *** (0.1520442)

-0.8745072 *** (0.2750685) -0.0021084 (0.002084) 0.0016619 (0.0025336 ) 0.0063336 (0.0622163) 0.6682691* (0.4019082)

-45.93212 *** (10.70967) 0.0060401 (0.0089089) 0.0007071 (0.000494) -0.046685 (0.0621605) 24.70869 (19.59363)

-248.6856** (111.3476) 0.0069331 (0.0091021) 0.0009942 (0.0006932) -0.4817199 (0.3520026 ) 220.3548 (142.1868 )

VolStock

VolOil

BankRisk

BankReturn

i.year Country Cons

-0.8222778 (0.5194137) -0.0022045 (0.0024579) -0.0003635 (0.0046478 ) 0.0583071 (0.0478783) 0.7319852 ** (0.3572991) 2.26e-07 * (1.30e-07) 0.0003176 (0.0004102) 0.2921984 *** (0.2452007) 0.2508277 (0.8028536 ) Yes Yes 0.0944841 (0.0670776) 146 0.2448

Yes 0.2175288 *** (0.021061) 170 0.1012

Yes Yes 0.1603717** (0.0633112 ) 170 0.2538

-0.7767727 *** (0.2863828 ) -0.0021265 (0.0017821) 0.0007332 (0.021099) -0.0158653 (0.017661) 0.7734725 ** (0.3216989) 1.25e-07 (1.76e-07) 0.0000299 (0.0000847 ) 0.2312568 (0.1800312 ) -0.0452617 (0.6680222) Yes 0.2120564 *** (0.0440971) 146 0.1722

N R2

Yes 0.2777415 *** (0.0153273) 36 0.0981

Yes Yes 0.77897 *** (0.2863275) 36 0.7710

-76.15757*** (15.97971) -0.0111069 (0.0096233) 0.0010783*** (0.0002023) -0.1777698*** (0.054581) 62.05586*** (15.04696) --1.55e-06 (0.0000179) 0.0005157 *** (0.0000873) 3.787114 ** (1.522844) -3.61174 *** (0.8071886) Yes 0.3750542 *** (0.0252235) 36 0.4075

-271.8155** (108.7318) -0.002774 (0.0092094) 0.0010377 (0.0006779) -0.6235787*** (0.1478853) 257.0256** (102.0878) 0.0000329 (0.0000476) 0.0003485 (0.0008763) 1.700925 (1.529673) -1.362414 (5.121063) Yes Yes 0.8399972*** (0.2508607) 36 0.8671

Bảng 4.7. Kết quả phân tán tỷ lệ nợ ròng trên tổng tài sản của nhóm các nước châu Á và ngoài châu Á. Độ lệch chuẩn được đạ̛t trong dấu ngoạ̛c đơn; Các ký hiẹ̛u *p<0,1, **p<0,05 và *** p< 0,01 h

Nguồn: Kết quả tính toán từ Phần mềm Stata

Hơn nữa, biến tương tác giữa bước giả và sự biến động lạm phát đối với việc

phân tán tỷ lệ nợ trên tổng tài sản mang hệ só dương ở cả hai nhóm nước, và có ý

nghĩa rất lớn ở nhóm các quốc gia ngoài châu Á, cho thấy sau cuộc khủng hoảng tài

chính, tác động của sự biến động lạm phát đối với việc phân tán tỷ lệ nợ ròng có

phần giảm sút và giảm sút mạnh ở các quốc gia ngoài châu Á.

Nhìn chung, kết quả từ các cột 1 đến cột 8 đều cho thấy sự biến động của lạm

phát có tác động ngược chiều tương đối mạnh lên sự phân tán các khoản cho vay

theo kỳ vọng của bài nghiên cứu đối với cả nhóm các nước châu Á và các nước

ngoài châu Á thuộc Apec. Tuy nhiên, tác động của biến động lạm phát đối với phân

bổ nguồn cho vay ở các quốc gia ngoài châu Á mạnh hơn nhiều so với nhóm các

nước Châu Á. Điều này càng nhấn mạnh vai trò quan trọng của việc ổn định lạm

phát trong vận hành cơ chế giá. Khi lạm phát biến động quá mức, hệ thống giá cả bị

nhiễu quá mức, các nhà quản lý ngân hàng sẽ hành động thận trọng hơn trong việc

phát hành các khoản vay mới vì họ không thể đánh giá chính xác mức tỷ suất sinh

lợi mong đợi từ khoản cho vay. Ngược lại, chất lượng thông tin tốt hơn sẽ dẫn đến

sự phân bổ các khoản vay không đồng đều giữa các ngân hàng vì các nhà quản lý

khác nhau có thể tận dụng dự đoán chính xác hơn của mình về các cơ hội cho vay

khác nhau. Hơn nữa, sau cuộc khủng hoảng tài chính các ngân hàng đã trở nên

nghiêm ngặt hơn trong các quyết định cho vay.

4.2.7. Ảnh hưởng của sự bất ổn về phân bổ các nguồn cho vay ngân hàng tại

Việt Nam.

Để nghiên cứu liệu ảnh hưởng của bất ổn lạm phát có ảnh hưởng tới nguồn cho

vay ngân hàng tại Việt Nam không, ta đặt VN là một biến giả được thiết lập nếu khi

quốc gia nghiên cứu là Việt Nam, VN = 1. Với các quốc gia còn lại, VN = 0.

Khi xem xét các hệ số ước lượng liên quan đến sự biến động của lạm phát, ta

thấy có một hệ số âm đối với tất cả các cột với mức ý nghĩa 1%, ngoại trừ cột 8, hệ

số ước lượng âm với mức ý nghĩa 5%. Nhìn chung, Bảng 4.5 cho thấy sự gia tăng

biến động của lạm phát làm giảm sự phân tán tỉ lệ nợ ròng/tổng tài sản ở Việt Nam.

Xem xét vai trò của các biến số kiểm soát, tôi thấy rằng hệ số liên quan đến

lạm phát là tiêu cực và có ý nghĩa trong cột 8, khi mô hình đầy đủ tất cả các biến

kiểm soát và đưa thêm vào biến giả năm. Tốc độ tăng trưởng GDP có tác động tích

cực đến sự phân tán tỷ lệ nợ ròng trên tài sản và hiệu quả này có ý nghĩa trong các

cột 3,4,5, 7 và cột 8. Điều này cũng có ý nghĩa vì sự tăng trưởng sẽ kích thích một

số của các ngân hàng để cho vay một tập người đi vay rộng lớn hơn. Biến động về

thị trường chứng khoán và Rủi ro của ngân hàng không cũng có tác động tích cực

đối với phân bổ nguồn cho vay.

Biến tương tác thể hiện sự thay đổi trong phân tán trung bình các nguồn cho

vay ngân hàng trước và sau thời kỳ khủng hoảng, có một hệ số tích cực trong tất cả

các cột. Ảnh hưởng đáng kể này cho thấy các ngân hàng đã mở rộng nguồn cho vay

sau cuộc khủng hoảng tài chính nhờ dòng tiền bơm vào của chính phủ để góp phần

phục hồi và ổn định nền kinh tế. Hơn nữa, biến giả VN, đại điện cho Việt Nam có

hệ số ước lượng âm ở tất cả các cột với mức ý nghĩa 5% cho thấy ảnh hưởng của

biến động lạm phát đối với việc phân tán tỷ lệ nợ ròng gia tăng tại Việt Nam.

(1) -0.5873665 *** (0.0688043 )

Inflation

(2) -0.6029379 *** (0.055714 ) 0.0001864 (0.0012005)

GDP

dumFC

Bảng 4.8. Ảnh hưởng của biến động lạm phát đến phân bổ chéo tỷ lệ cho vay/tổng tài sản Độ lệch chuẩn được đạ̛t trong dấu ngoạ̛c đơn; Các ký hiẹ̛u *p<0,1, **p<0,05 và *** p< 0,01 (3) -0.5933248 *** h (0.0518125) 0.0003906 (0.0012232 ) 0.0007773*** (0.0002522)

(4) -0.5887534* (0.0629633 ) 0.0004381 (0.0011017) 0.0007917* (0.0002284) 0.0029798 (0.0122493)

dumFC*h

(5) -0.5543598 * (0.0462252) 0.0005995 (0.0009348 ) 0.0007572 * (0.0002531 ) -0.0098421 (0.0117281) 1.180523*** (0.1998428)

(6) -0.9160984* (0.2374845) -0.0010235 (0.0011827) 0.0009266 (0.0005795) 0.0389672 (0.0578843) 0.7823392 * (0.3003383 )

VolStock

VolOil

BankRisk

BankReturn

-0.0408256** (0.0171083 ) Yes

0.2047462 ***

i.year Country Cons

-0.038065** (0.0159541) Yes 0.2071898*** (0.0009473) 206 0.0273

-0.0386779** (0.0164604) Yes 0.22094582 *** (0.0166352) 206 0.0279

-0.0395723** (0.0165497) Yes 0.2038014*** (0.0174854) 206 0.0448

-0.0390038 ** (0.0174827) Yes 0.2016057 *** (0.0195712) 206 0.0461

(0.0190606) 206 0.0846

-0.0457743** (0.0183264 ) Yes Yes 0.1586844 *** (0.0575269) 206 0.1227

(7) -0.4254565 * (0.1415826 ) -0.0000714 (0.0018614 ) 0.0010253* (0.0001988) 0.0015859 (0.00139714) 0.9172066 *** (0.3042845) 9.12e-08* (4.50e-08) 0.0000789 (0.00007) 0.2865134 * (0.0881187) 0.0324002 (0.4328842 ) -0.0392423 (0.0192157) Yes 0.1777232 *** (00206847) 182 0.1384

(8) -0.8449444 (0.477056 ) - 0.0000718 (0.0016941) 0.0004711* (0.0002664 ) 0.127322 (0.0330056) 0.686593 (0.3194019) 1.47e-07 (1.15e-07) 0.000166 (0.0003176) 0.3076906 (0.2561845) 0.6194929 (0.7342597) -00531612*** (0.0180062) Yes Yes 0.0489654 (0.0414074 ) 2 182 0.1930

N R2

Nguồn: Kết quả tính toán từ Phần mềm Stata

CHƯƠNG 5. KẾT LUẬN

5.1. Tóm tắt các kết quả nghiên cứu

Trong nghiên cứu này, tôi xem xét những ảnh hưởng của sự biến động của

lạm phát đối với việc phân bổ hiệu quả nguồn lực khan hiếm của các ngân hàng. Bài

nghiên cứu sử dụng dữ liệu bảng gồm 1.070 ngân hàng xuyên quốc gia của 14 quốc

gia bao gồm Úc, Canada, Brunei, Indonesia, Nhật Bản, Malaysia, Philippines,

Singapore, Thái Lan, Trung Quốc, Hồng Kông, Mexico, Nga, Việt Nam. Phân tích

được thực hiện dựa trên số liệu về nguồn cho vay ròng trong khoảng thời gian từ

1980 đến 2016.

Với những số liệu có được cho thấy sự bất ổn của lạm phát có ảnh hưởng

tiêu cực đến sự phân tán tỷ lệ nợ ròng trên tài sản. Bài nghiên cứu nhận được sự hỗ

trợ từ dữ liệu của tất cả các nước thuộc Apec, nhóm các quốc gia Châu Á, nhóm các

quốc gia ngoài châu Á và riêng tại quốc gia Việt Nam, cho thấy các nhà quản lý

ngân hàng (i) có thể dễ dàng cho vay nhiều hơn khi sự biến động của lạm phát thấp,

vì họ có thể dự đoán được lợi nhuận từ mỗi dự án; (ii) hành xử tương tự trong thời

kỳ biến động lạm phát cao. Quan sát này ngụ ý rằng, khi sự biến động của lạm phát

cao, nguồn ngân hàng khan hiếm sẽ không được phân bổ hiệu quả. Trong bối cảnh

này, tôi cũng kiểm tra liệu quan hệ quan sát được đã thay đổi như thế nào sau cuộc

khủng hoảng tài chính gần đây. Tuy nhiên, trong thời kỳ hậu khủng hoảng tài chính,

không thấy có sự thay đổi đáng kể nào trong mối liên quan giữa sự biến động lạm

phát và việc phân bổ các nguồn cho vay của các nước.

Các kết quả trình bày trong cuộc điều tra này cung cấp bằng chứng rõ ràng

rằng sự bất ổn của lạm phát bóp méo sự phân bổ nguồn lực hiệu quả của các ngân

hàng. Những phát hiện này rất quan trọng, vì các ngân hàng thương mại được xem

là nguồn cung cấp tín dụng trung gian quan trọng, việc phân bổ không hiệu quả vốn

vay sẽ có tác động lớn đến người đi vay ngân hàng. Vì nhiều nền kinh tế đang chậm

lại từ những ảnh hưởng của cuộc khủng hoảng tài chính gần đây, những gì tôi

không cần là một chu kỳ lạm phát sẽ ảnh hưởng xấu đến việc phân bổ nguồn cho

vay của các ngân hàng. Những kết quả này cung cấp một lý do khác để chú ý đến sự

ổn định về giá cả.

5.2. Một số kiến nghị về chính sách vĩ mô cho các nền kinh tế

Đầu tiên, chính phủ và NHTW phải tập trung kiểm soát lạm phát, xem đây là

một trong những nhiệm vụ ưu tiên hàng đầu. Chính quyền và NHTW cần thực hiện

minh bạch hóa trong việc triển khai, ban hành các chính sách, chủ trương và phải

thực hiện các chính sách một cách nhanh chóng bất cứ khi nào có nguy cơ lạm phát.

Các cơ quan chức năng phải đảm bảo vai trò giám sát chặt chẽ quá trình triển khai,

thực hiện chính sách, đảm bảo rằng các chính sách có hiệu quả nhanh, mạnh, ổn

định và có thể dự đoán được. Những phản ứng nhanh và giám sát chặt chẽ sẽ cũng

cố niềm tin của các nhà đầu tư và công chúng; do đó sự không chắc chắn về lạm

phát có thể giảm đi cả trong ngắn và dài hạn.

Thứ hai, chính phủ và NHTW phải giảm thiểu bất cân xứng thông tin, minh

bạch hóa thông tin để công chúng có thông tin về nguyên nhân, tình trạng, các giải

pháp và dự báo tình hình lạm phát. Cụ thể, chính phủ cần giải thích và phổ biến

rộng rãi các thông tin về giá cả lương thực, nhiên liệu, tỷ giá, chính sách lãi suất,

mục tiêu tăng trưởng tín dụng, dự báo giá nhập khẩu, giá xuất khẩu cần thiết ...

thông qua các hình thức phương tiện truyền thông, truyền hình. Những hành động

này giúp truyền đạt chính sách, kìm hãm lạm phát. Minh bạch thông tin sẽ góp phần

làm giảm sự không chắc chắn về lạm phát.

Thứ ba, NHTW phải tăng cường củng cố, xây dựng và thực hiện chính sách

tiền tệ hiệu quả hơn. Hiện tại, NHTW tại một số quốc gia có nhiều khiếm khuyết

như tính tự chủ yếu. Những hạn chế này do yếu tố chính trị cũng như công cụ kỹ

thuật. Về khía cạnh chính trị, thống đốc không có đầy đủ quyền tự chủ để thực hiện

các biện pháp tiền tệ nhằm đạt được mục tiêu lạm phát. Do đó, NHTW phải được cơ

cấu lại, về mặt tổ chức, hoạt động để tăng tính độc lập và thực hiện tốt chức năng

của mình. Điều này sẽ làm tăng tính minh bạch và trách nhiệm của NHTW, giúp

loại bỏ sự không chắc chắn trong tương lai.

5.3. Hạn chế của luận văn và hướng nghiên cứu tiếp theo

Hạn chế của bài nghiên cứu này là chỉ xét đến một mẫu chưa hoàn chỉnh các

ngân hàng thương mại tại một số quốc gia thuộc Apec trên cơ sở phân tích tổng thể

mối quan hệ giữa biến động lạm phát và phân bổ nguồn cho vay ròng mà chưa đi

vào phân tích cụ thể tác động của bất ổn lạm phát đối với từng loại hình cho vay.

Nhìn chung, các quan sát của tôi đề xuất cho một số câu hỏi nghiên cứu bổ

sung mà người ta có thể điều tra bằng cách sử dụng bộ dữ liệu cấp ngân hàng chi

tiết hơn. Ví dụ, sẽ là thú vị để tìm hiểu xem liệu biến động lạm phát có làm ảnh

hưởng đến sự phân bổ nguồn cho vay ngân hàng cho các đối tượng cụ thể như cho

vay doanh nghiệp và thương mại, cá nhân, bất động sản, vay nông nghiệp hay

không? Một vấn đề đáng được xem xét thêm nữa là liệu các ngân hàng có các đặc

điểm khác nhau có hành động khác nhau khi có sự bất ổn hay không. Chẳng hạn,

khả năng thanh khoản, tỷ lệ vốn, quy mô, quyền sở hữu của các ngân hàng có thể

giúp giải thích cách phân bổ hiệu quả các nguồn cho vay từ các ngân hàng ?

TÀI LIỆU THAM KHẢO

Asghar, A., Ahmad, K., Ullah, S., Bedi-uz-Zaman và Rashid, M. T., 2011. The

relationship between inflation and inflation uncertainty: a case study for Saarc

region countries. International Research Journal of Finance and Economics, 66,

86-98.

Baum, C.F., Caglayan, M., Ozkan, N., 2009. The second moments matter: the

impact of macroeconomic uncertainty on the allocation of loanable funds.

Economics Letters, 102 (2), 87–89.

Beaudry, P., Caglayan, M., Schiantarelli, F., 2001. Monetary instability, the

predictability of prices, and the allocation of investment: an empirical investigation

using UK panel data. American Economic Review, 91 (3), 648–662.

Bloom, N., 2009. The impact of uncertainty shocks. Econometrica, 77 (3), 623–685.

Bloom, N., Bond, S., Van Reenen, J., 2007. Uncertainty and investment dynamics.

Rev. The review of economic studies, 74 (2), 391–415.

Bollerslev, T., 1986. Generalized autoregressive conditional heteroskedasticity.

Journal of econometrics, 31 (3), 307–327.

Brei, M., Schclarek, A., 2013. Public bank lending in times of crisis. Journal of

Financial Stability, 9 (4), 820–830.

Caglayan, M., Xu, B., 2014. Allocation effects of uncertainty on resources in Japan.

Economics Letters, 122 (1), 23–26.

Caglayan, M., Xu, B., 2016. Sentiment volatility and bank lending behavior.

International Review of Financial Analysis, 45, 107–120.

Caglayan, M., Xu, B., 2016. Inflation volatility effects on the allocation of bank

loans. Journal of financial stability, 24, 27-39.

Calmès, C., Théoret, R., 2014. Bank systemic risk and macroeconomic shocks:

Canadian and US evidence. Journal of Banking & Finance, 40, 388–402.

Delis, M.D., Kouretas, G.P., Tsoumas, C., 2014. Anxious periods and bank lending.

Journal of Banking & Finance, 38, 1–13.

Dotsey, M., Sarte, P. D., 2000. Inflation uncertainty and growth in a cash-in-

advance economy. Journal of Monetary Economics, 45(3), 631-655.

Engle, R.F., 1982. Autoregressive conditional heteroscedasticity with estimates of

the variance of United Kingdom inﬂation. Econometrica: Journal of the

Econometric Society, 50 (4), 987–1007.

Ferri, G., Kalmi, P., Kerola, E., 2014. Does bank ownership affect lending

behavior? Evidence from the euro area. Journal of Banking & Finance, 48, 194–

209.

Friedman, M., 1977. Nobel lecture: Inﬂation and unemployment. Journal of

Political Economy, 85, 451–472.

Gambacorta, L., Marques-Ibanez, D., 2011. The bank lending channel: lessons from

the crisis. Economic Policy, 26 (66), 135–182.

Golob, J., 1994. Does inflation uncertainty increase with inflation? Federal reserve

bank of Kansas city economic review, 79, 27-38

Hansen, L.P., 1982. Large sample properties of generalized method of moments

estimators. Econometrica: Journal of the Econometric Society, 1029–1054.

Hartman, R., 1972. The effects of price and cost uncertainty on investment. Journal

of economic theory, 5 (2), 258–266.

Judson, R., Orphanides, A., 1999. Inﬂation, volatility and growth. International

Finance, 2 (1), 117–138.

Kosak, M., Li, S., Loncarski, I., Marinc, M., 2015. Quality of bank capital and bank

lending behavior during the global ﬁnancial crisis. International review of financial

analysis, 37, 168–183.

Leahy, J.V., Whited, T.M., 1996. The effect of uncertainty on investment: some

stylized facts. J. Money Credit Bank. 28 (1), 64–83.

Nelson, D. B., 1991. Conditional heteroskedasticity in asset returns: A new

approach. Econometrica: Journal of the Econometric Society, 347-370.

Puri, M., Rocholl, J., Steffen, S., 2011. Global retail lending in the aftermath of the

US ﬁnancial crisis: distinguishing between supply and demand effects. Journal of

Financial Economics, 100 (3), 556–578.

Quagliariello, M., 2009. Macroeconomic uncertainty and banks lending decisions:

the case of Italy. Applied Economics, 41 (3), 323–336.

Ragan, C., 1994. A Framework for Examining the Real Effects of Inflation

Volatility, in Proceedings of a Conference on Economic Behavior and Policy

Choice Under Price Stability. October 1993. Bank of Canada.

Rizvi, S. K. A., Naqvi, B., 2009. Asymmetric behavior of inflation uncertainty and

friedman-ball hypothesis: evidence from Pakistan.

Samuelson, P.A., William, D.N., 2002, Kinh tế học, xuất bản lần thứ 15. Hà Nội:

Nhà xuất bản Thống kê.

Seigl, C., 2009. Inflation- Its Societal and Economic Implications.

Siegel, J., 2009. Efficient market theory and the recent financial crisis. Wall Street

Journal, A23.

Zakoian, J. M., 1994. Threshold heteroskedastic models. Journal of Economic

Dynamics and control, 18(5), 931-955.

PHỤ LỤC: MÔ HÌNH ƯỚC LƯỢNG IV - GMM

1.1 Kiểm định hiện tượng nội sinh

Biến nội sinh là những biến có sự tương quan với phần dư. Đây là những vấn

đề thường gặp cả trong lý thuyết về kinh tế vi mô (hàm cầu tiêu dùng chẳng hạn) và

vĩ mô ví như hàm tổng cầu Keynes. Ở góc độ kinh tế lượng, sự xuất hiện biến nội

sinh sẽ dẫn đến các trường hợp như bỏ biến, sai số trong biến, hoặc được xác định

đồng thời qua các biến giải thích khác.

Khi mô hình có ít nhất một biến giải thích là biến nội sinh thì mô hình được

gọi là có vấn đề nội sinh.

Vấn đề nội sinh trong mô hình được coi là một trong những vi phạm nghiêm

trọng các giả định của mô hình hồi quy. Nội sinh trong mô hình thường xuất hiện

dưới 3 dạng sau:

(1) Thứ nhất, thiếu vắng biến độc lập trong mô hình và do đó phần

giải thích của biến này sẽ nằm ở sai số (phần dư). Khi đó có mối tương quan chặt

giữa biến độc lập và phần dư;

(2) Thứ hai, sai số trong đo lường hay sai lệch do lựa chọn;

(3) Thứ ba, vấn đề đồng thời và hệ phương tình đồng thời.

Để xác định vấn đề nội sinh, ở đây, ta thực hiện ước lượng OLS. Trích phần

dư và thực hiện hồi quy phần dư với biến độc lập. Sau đó sử dụng F-Test để kiểm

định vấn đề nội sinh. Nếu có hiện tượng nội sinh thì p-value <= 10%

* Kiểm tra tính nội sinh của biến Biến động lạm phát (h) biến lạm phát

(Inflation), ta có kết quả như sau:

Bảng 1: Tính nội sinh của biến biến động lạm phát (h)

Dependent Variable: DIS_NLTA Method: Least Squares Date: 04/29/18 Time: 17:45 Sample: 1 206 Included observations: 182

Coefficie t-Statistic Prob.

nt Std. Error

Variable RESID_VOLINFL ATION INFLATION GDP DUMFC DUMFC_H BANK_RISK

-0.667974 0.229707 -2.907939 0.0041 -0.003599 0.001115 -3.228644 0.0015 0.000751 0.000629 1.194875 0.2338 0.001472 0.011455 0.128454 0.8979 -0.036130 0.512082 -0.070555 0.9438 0.441841 0.169213 2.611150 0.0098 BANK_RETURN -0.172834 0.339266 -0.509434 0.6111 0.000132 0.000102 1.300845 0.1951 1.09E-07 2.92E-07 0.374889 0.7082 0.187306 0.011416 16.40747 0.0000

0.127506 Mean dependent var 0.193381

VOL_OIL VOL_STOCK C R-squared Adjusted R- squared

Akaike info criterion S.E. of regression 0.068055

Sum squared resid 0.796610 Schwarz criterion

Hannan-Quinn criter.

Log likelihood F-statistic Prob(F-statistic)

0.081853 S.D. dependent var 0.071024 - 2.483630 - 2.307585 - 2.412264 236.0103 2.792899 Durbin-Watson stat 0.682407 0.004413 Bảng 2: Tính nội sinh của biến lạm phát (Inflation)

Dependent Variable: DIS_NLTA Method: Least Squares Date: 04/29/18 Time: 18:08 Sample: 1 206 Included observations: 182

Coefficie t-Statistic Prob.

nt Std. Error -0.002180 0.001217 -1.791039 0.0750

Variable RES_INF VOL_INFLATIO N GDP DUMFC DUMFC_H BANK_RISK

-0.833005 0.210416 -3.958842 0.0001 0.000455 0.000632 0.720563 0.4722 -0.009408 0.012032 -0.781948 0.4353 0.807574 0.552410 1.461911 0.1456 0.316856 0.162254 1.952843 0.0525 BANK_RETURN 0.328740 0.328555 1.000564 0.3184 4.18E-05 0.000102 0.411774 0.6810 2.78E-08 2.91E-07 0.095796 0.9238 0.190172 0.011381 16.71005 0.0000

0.127506 Mean dependent var 0.193381

VOL_OIL VOL_STOCK C R-squared Adjusted R- squared

S.E. of regression 0.068055 Akaike info criterion

Sum squared resid 0.796610 Schwarz criterion

Hannan-Quinn criter.

Log likelihood F-statistic Prob(F-statistic)

0.081853 S.D. dependent var 0.071024 - 2.483630 - 2.307585 - 236.0103 2.412264 2.792899 Durbin-Watson stat 0.682407 0.004413 Từ kết quả trên ta thấy:

- Hệ số của phần dư biến biến động lạm phát có ý nghĩa thống kê (p-value =

0.0041< 0,1) nên biến biến động lạm phát (h) là biến nội sinh.

- Hệ số của phần dư biến lạm phát có ý nghĩa thống kê (p-value = 0.0750 <

0,1) nên biến lạm phát (Inflation) là biến nội sinh.

1.2 Khắc phục vấn đề nội sinh

Trường hợp xuất hiện nội sinh trong mô hình, ước lượng FEM và REM

không còn hiệu quả. Phương pháp tổng quát để giải quyết vấn đề này là ước lượng

biến công cụ (Instrumental variables estimator); IV model, 2SLS, 3SLS,…

Giả sử tôi tìm thấy một biến (gọi là Z) có những tính chất sau: (1) Z không

tương quan với phần dư, và (2) Z tương quan rất mạnh với biến nội sinh. Z sẽ được

coi là một biến thay thế tốt cho biến nội sinh. Biến như vậy được gọi là biến công

cụ, và phương pháp vừa được mô tả, mà trong đó biến công cụ được sử dụng như

một biến thay thế cho biến nội sinh gây ra thiên lệch bình phương tối thiểu, gọi là

kỹ thuật biến công cụ (IV).

Trong bài nghiên cứu, hồi quy với biến công cụ _ mô hình biến công cụ (IV)

được sử dụng khi ước lượng các mô hình liên quan đến vấn đề biến nội sinh. Để

ước lượng mô hình với biến công cụ, người ta dùng nhiều kỹ thuật để xử lý phụ

thuộc vào chính mô hình tôi định ước lượng, các kỹ thuật ước lượng phổ biến là:

2SLS, GMM, iGMM,... Kỹ thuật ước lượng GMM, ngoài khả năng khắc phục các

khuyết tật của mô hình gồm, hiện tượng phương sai sai số thay đổi, còn có điểm

mạnh là giải quyết được hiện tượng nội sinh trong mô hình được sử dụng trong bài

nghiên cứu.

Trong ước lượng mô hình biến công cụ (IV) với kỹ thuật ước lượng GMM

trong bài nghiên cứu của Mustafa Caglayan, Bing Xu (2016) sử dụng độ trễ thứ

nhất và thứ hai của biến lạm phát, biến động lạm phát, và lợi nhuận ngân hàng như

là biến công cụ. Do đó, trong bài nghiên cứu này cũng sẽ sử dụng các biến trên làm

biến công cụ. Để kiểm tra tính hiệu lực của bộ công cụ, ta tính toán thống kê J của

Hansen (1982) và báo cáo giá trị p-value liên quan trong mỗi bảng tương ứng.

Trong tất cả các mô hình, ước lượng Robust standard errors được sử dụng để khắc

phục hiện tượng phương sai thay đổi và tự tương quan. (Baum, 2006; Baum và cộng

sự, 2007).

1.3 Mô hình IV - GMM

Kết quả kiểm định cho thấy có xảy ra hiện tượng nội sinh giữa các biến giải

thích. Do đó, mô hình IV- GMM được sử dụng để giải quyết được hiện tượng nội

sinh trong mô hình.

Trong mô hình, tôi đưa ra các ước tính có và không có thêm bốn biến kiểm

soát ngoài biến lạm phát (Inflation), tốc độ tăng trưởng GDP (∆GDP), giai đoạn

khủng hoảng tài chính giả mạo (DumFc) và biến tương tác (DumFc*h) cũng như

biến năm giả (i.year).

Tuy nhiên, do mẫu nghiên cứu có T nhỏ N lớn do đó xảy ra vấn đề số biến

công cụ quá lớn so với mẫu. Vì vậy, phương pháp ước lượng bằng mô hình IV-

GMM không có ý nghĩa.

Bảng 3. Mô hình ước lượng 1

Bảng 4. Mô hình ước lượng 2

Bảng 5. Mô hình ước lượng 3

Với bao gồm các biến:Inflation, GDP, dumFC, dumFC * , , , ,

Bảng 6. Mô hình ước lượng 4

Với bao gồm các biến:Inflation, GDP, dumFC, dumFC * , , , ,

Luận văn Thạc sĩ Kinh tế: Tác động của biến động lạm phát đối với phân bổ nguồn cho vay ngân hàng - Bằng chứng thực nghiệm tại các nước trong khối Apec

(8)

(9)

Sentj,t-1

Correlation

Inflation

∆GDP

h

dumFC dumFC*h VolStock

VolOil

BankRisk BankReturn

1.000000

h

-0.261347 1.000000

Inflation

-0.134650 0.293821 1.000000

0.074718 -0.065338 -0.087152 1.000000

∆GDP

0.039822 -0.212664 -0.199935 0.025962

1.000000

dumFC

dumFC*h

0.034599 0.260492 -0.046494 0.012525

0.381996 1.000000

0.044586 0.010098 0.306899 -0.072524

-0.107742 -0.041923 1.000000

VolStock

0.070685 -0.137190 0.036610 -0.030871

0.216239 0.097537 -0.074718 1.000000

VolOil

0.123897 0.066298 0.509049 -0.092069

-0.158567 0.065558 0.414493 -0.032810 1.000000

BankRisk

-0.019672 0.071063 -0.488576 0.214583

0.138963 0.052217 -0.324774 0.078977 -0.532256 1.000000

BankReturn

(1) -0.5859456 *** (0.0682134)

(2) -0.5993292 *** (0.0525076 ) 0.0001528 (0.01195)

(4) -0.5853737 *** (0.0602775 ) 0.0004046 (0.001103 ) 0.0007855*** (0.0002291) 0.0029812 (0.0121721 )

(5) -0.5532984 *** (0.0439221 ) 0.0005679 (0.0009308 ) 0.0007514 *** (0.0002534 ) -0.0097794 (0.0116593 ) 1.175994*** (0.1985859 )

(6) -0.8348609 *** (0.2195106 ) 0.0016286 (0.0017106) 0.0008067 *** (0.0005226 ) 0.0293708 (0.0582175 ) 0.7648389 ** (0.3176908)

(7) -0.4256396 *** (0.1387948 ) -0.0001335 (0.0018198) 0.0010096 *** (0.0001994) 0.0016385 (0.0138797 ) 0.9100272 *** (0.2989112) 9.14e-08 * (4.36e-08 ) 0.0000794 (0.0000696) 0.2870038 *** (0.0872525) 0.0233725 (0.4245737) Yes 0.1752106 *** (0.0212273 ) 182 0.1383

(8) -0.6877242 (0.4397638 ) 0.0019142 ** (0.0019016) 0.0004809* (00002851 ) 0.0975304 ** (0.0399654 ) 0.5509413** (0.3224939 ) 1.93e-07 (1.24e-07 ) 0.0001815 (0.0003129) 0.474629 (0..2799867 ) 0.3628539 (0.6789392 ) Yes Yes 0.0760616** (0.0385005) 182 0.1766

Asia

NonAsia

(1) -0.5873665 *** (0.0688043 )

(2) -0.6029379 *** (0.055714 ) 0.0001864 (0.0012005)

(4) -0.5887534*** (0.0629633 ) 0.0004381 (0.0011017) 0.0007917*** (0.0002284) 0.0029798 (0.0122493)

(5) -0.5543598 *** (0.0462252) 0.0005995 (0.0009348 ) 0.0007572 *** (0.0002531 ) -0.0098421 (0.0117281) 1.180523*** (0.1998428)

(6) -0.9160984*** (0.2374845) -0.0010235 (0.0011827) 0.0009266 (0.0005795) 0.0389672 (0.0578843) 0.7823392 *** (0.3003383 )

(7) -0.4254565 *** (0.1415826 ) -0.0000714 (0.0018614 ) 0.0010253*** (0.0001988) 0.0015859 (0.00139714) 0.9172066 *** (0.3042845) 9.12e-08* (4.50e-08) 0.0000789 (0.00007) 0.2865134 *** (0.0881187) 0.0324002 (0.4328842 ) -0.0392423** (0.0192157) Yes 0.1777232 *** (00206847) 182 0.1384

(8) -0.8449444** (0.477056 ) - 0.0000718 ** (0.0016941) 0.0004711* (0.0002664 ) 0.127322 ** (0.0330056) 0.686593** (0.3194019) 1.47e-07 (1.15e-07) 0.000166 (0.0003176) 0.3076906 (0.2561845) 0.6194929 (0.7342597) -00531612*** (0.0180062) Yes Yes 0.0489654 (0.0414074 ) 2 182 0.1930

Có thể bạn quan tâm

Nghiên cứu các nhân tố ảnh hưởng đến quyết định chấp nhận sử dụng dịch vụ ngân hàng điện tử tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam - Chi nhánh Buôn Hồ (Đắk Lắk)

Luận văn Thạc sĩ: Quản lý hoạt động phát triển nhận thức cho trẻ mẫu giáo ở các trường mầm non, huyện Hoàng Su Phì, tỉnh Hà Giang

Tóm tắt Luận án Tiến sĩ: Ảnh hưởng của chính sách thuế đến phát triển bền vững doanh nghiệp nhỏ và vừa tại Việt Nam

Tác động của khả năng sinh lợi và cơ hội tăng trưởng đến cấu trúc vốn của 100 doanh nghiệp niêm yết hàng đầu Việt Nam

Tác động của cấu trúc sở hữu vốn đến thận trọng kế toán: Bằng chứng thực nghiệm tại các ngân hàng thương mại cổ phần niêm yết trên thị trường chứng khoán Việt Nam

Ảnh hưởng của các yếu tố môi trường tinh thần đến hiệu quả công việc của nhân viên ngân hàng thương mại cổ phần tại Thành phố Hồ Chí Minh

Tác động của biến động dòng tiền đến đòn bẩy tài chính: Nghiên cứu thực nghiệm Việt Nam

Nhận biết rủi ro và ý định sử dụng dịch vụ tài chính kỹ thuật số của giới trẻ Việt Nam

Mối quan hệ giữa phát triển công nghệ thông tin và truyền thông với hiệu quả kinh doanh ngân hàng: Nghiên cứu tại thị trường mới nổi Việt Nam

Tài liệu học tập môn Thị trường chứng khoán

Chuyển đổi số và rủi ro tài chính tại các ngân hàng thương mại: Bằng chứng thực nghiệm từ các ngân hàng thương mại Việt Nam

Bài giảng Tài chính nhà quản trị: Chương 1 - Tổng quan về Quản trị tài chính

Bài giảng Tài chính nhà quản trị: Chương 2 - Phân tích báo cáo tài chính

Bài giảng Tài chính nhà quản trị: Chương 3 - Quản trị vốn lưu động

Bài giảng Tài chính nhà quản trị: Chương 4 - Giá trị của tiền tệ theo thời gian

Bài giảng Tài chính nhà quản trị: Chương 5 - Định giá chứng khoán

Bài giảng Tài chính nhà quản trị: Chương 6 - Rủi ro và lợi nhuận

Bài giảng Tài chính nhà quản trị: Chương 7 - Chi phí sử dụng vốn

Bài giảng Tài chính nhà quản trị: Chương 8 - Đánh giá hiệu quả sử dụng vốn đầu tư

Bài giảng Tài chính nhà quản trị: Chương 9 - Kế hoạch ngân lưu

Tài liêu mới

Luận án Tiến sĩ: Nghiên cứu xây dựng thuật toán thích nghi và học tăng cường cấu trúc Actor - Critic điều khiển bám quỹ đạo cho robot di động đa hướng mecanum

Luận án Tiến sĩ: Cơ cấu bệnh tim mạch và chất lượng cuộc sống của người cao tuổi mắc suy tim, rung nhĩ điều trị tại Bệnh viện Thống Nhất, thành phố Hồ Chí Minh

Tóm tắt Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

Tóm tắt Luận án Tiến sĩ: Nghiên cứu xây dựng giải pháp đảm bảo an toàn thông tin cho quá trình học liên kết dựa trên mật mã

Tóm tắt Luận án Tiến sĩ: Phát triển năng lực đánh giá công nghệ cho học sinh trong dạy học môn Công nghệ 11 ở trường trung học phổ thông

Tóm tắt Luận án Tiến sĩ: Nghiên cứu phân loại chi cầu diệp – Bulbophyllum Thouars (Orchidaceae) ở vùng Tây Nguyên bằng phương pháp hình thái và phân tử

(4) -0.5853737 * (0.0602775 ) 0.0004046 (0.001103 ) 0.0007855* (0.0002291) 0.0029812 (0.0121721 )

(5) -0.5532984 * (0.0439221 ) 0.0005679 (0.0009308 ) 0.0007514 * (0.0002534 ) -0.0097794 (0.0116593 ) 1.175994*** (0.1985859 )

(6) -0.8348609 * (0.2195106 ) 0.0016286 (0.0017106) 0.0008067 * (0.0005226 ) 0.0293708 (0.0582175 ) 0.7648389 ** (0.3176908)

(7) -0.4256396 * (0.1387948 ) -0.0001335 (0.0018198) 0.0010096 * (0.0001994) 0.0016385 (0.0138797 ) 0.9100272 *** (0.2989112) 9.14e-08 * (4.36e-08 ) 0.0000794 (0.0000696) 0.2870038 * (0.0872525) 0.0233725 (0.4245737) Yes 0.1752106 * (0.0212273 ) 182 0.1383

(8) -0.6877242 (0.4397638 ) 0.0019142 ** (0.0019016) 0.0004809* (00002851 ) 0.0975304 (0.0399654 ) 0.5509413 (0.3224939 ) 1.93e-07 (1.24e-07 ) 0.0001815 (0.0003129) 0.474629 (0..2799867 ) 0.3628539 (0.6789392 ) Yes Yes 0.0760616** (0.0385005) 182 0.1766

(4) -0.5887534* (0.0629633 ) 0.0004381 (0.0011017) 0.0007917* (0.0002284) 0.0029798 (0.0122493)

(5) -0.5543598 * (0.0462252) 0.0005995 (0.0009348 ) 0.0007572 * (0.0002531 ) -0.0098421 (0.0117281) 1.180523*** (0.1998428)

(6) -0.9160984* (0.2374845) -0.0010235 (0.0011827) 0.0009266 (0.0005795) 0.0389672 (0.0578843) 0.7823392 * (0.3003383 )

(7) -0.4254565 * (0.1415826 ) -0.0000714 (0.0018614 ) 0.0010253* (0.0001988) 0.0015859 (0.00139714) 0.9172066 *** (0.3042845) 9.12e-08* (4.50e-08) 0.0000789 (0.00007) 0.2865134 * (0.0881187) 0.0324002 (0.4328842 ) -0.0392423 (0.0192157) Yes 0.1777232 *** (00206847) 182 0.1384

(8) -0.8449444 (0.477056 ) - 0.0000718 (0.0016941) 0.0004711* (0.0002664 ) 0.127322 (0.0330056) 0.686593 (0.3194019) 1.47e-07 (1.15e-07) 0.000166 (0.0003176) 0.3076906 (0.2561845) 0.6194929 (0.7342597) -00531612*** (0.0180062) Yes Yes 0.0489654 (0.0414074 ) 2 182 0.1930